### 如何使用 Python 实现图像分割 #### 使用 OpenCV 库进行图像分割 OpenCV 提供了多种工具和技术来执行图像分割。其中一种常用的技术是基于阈值的分割方法，这种方法简单有效。 ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 加载图像 img = cv2.imread('image.jpg', 0) # 阈值处理 ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) ret, thresh2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV) ret, thresh3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC) ret, thresh4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO) ret, thresh5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV) titles = ['Original Image', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV'] images = [img, thresh1, thresh2, thresh3, thresh4, thresh5] for i in range(6): plt.subplot(2, 3, i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]), plt.yticks([]) plt.show() ``` 此代码展示了不同类型的二值化阈值处理效果[^3]。 #### 使用 PIL 和 NumPy 进行图像分割 对于更复杂的图像分割任务，可以结合 PIL 和 NumPy 来实现。例如，可以通过颜色空间转换和形态学操作来进行简单的前景背景分离： ```python from PIL import Image import numpy as np import matplotlib.pyplot as plt # 打开图像文件 im = Image.open('image.jpg').convert('L') # 转换为数组 np_im = np.array(im) # 创建掩码 mask = np.where(np_im > 128, 1, 0).astype(bool) # 显示原图与分割后的图像 fig, ax = plt.subplots(1, 2, figsize=(12, 6)) ax[0].imshow(im, cmap='gray') ax[0].set_title('Original Image') ax[1].imshow(mask, cmap='gray') ax[1].set_title('Segmented Image') plt.show() ``` 这段代码实现了基本的灰度阈值分割，并显示了原始图像及其对应的二值化结果[^2]。 #### 基于边缘/区域的图像分割 另一种常见的图像分割方式是基于边缘或区域的方法。这里展示了一个利用 `skimage` 中的 watershed 算法的例子： ```python from skimage.segmentation import watershed from skimage.feature import peak_local_max from scipy import ndimage as ndi import numpy as np from skimage.io import imread import matplotlib.pyplot as plt # 读取图像 coins = imread('coins.png', as_gray=True) # 计算距离变换 distance = ndi.distance_transform_edt(coins) # 寻找局部极大值作为种子点 local_maxi = peak_local_max(distance, indices=False, footprint=np.ones((3, 3)), labels=coins) markers = ndi.label(local_maxi)[0] labels = watershed(-distance, markers, mask=coins) # 绘制结果 fig, axes = plt.subplots(ncols=2, nrows=1, figsize=(9, 3), sharex=True, sharey=True) axes[0].imshow(markers, cmap=plt.cm.nipy_spectral) axes[0].set_title('Markers') axes[1].imshow(labels, cmap=plt.cm.nipy_spectral) axes[1].set_title('Labels') for ax in axes: ax.axis('off') plt.tight_layout() plt.show() ``` 上述代码采用 watershred 方法进行了硬币图像中的对象分割[^5]。