实现黑白灰三值图像阈值分割，寻求阈值设置及贴纸分离方案

一、改造代码实现三值阈值分割 #

要实现黑、白、灰三值分割，需要设置两个阈值（低阈值t_low和高阈值t_high），将灰度图像划分为三个区域：

• 黑色区域：灰度值 < t_low
• 灰色区域：t_low ≤ 灰度值 < t_high
• 白色区域：灰度值 ≥ t_high

基于你提供的代码，修改后的完整实现如下：

import numpy as np
import matplotlib.pyplot as plt
import skimage.io
import skimage.color
import skimage.filters

# 加载图像
image = skimage.io.imread("/home/student_joy/desktop/optimization_11_10/original_duplicate.png")[:,:,:3]

# 转为灰度图并去噪
gray_image = skimage.color.rgb2gray(image)
blurred_image = skimage.filters.gaussian(gray_image, sigma=1.0)

# 绘制直方图（用于辅助选阈值）
histogram, bin_edges = np.histogram(blurred_image, bins=256, range=(0.0, 1.0))
fig, ax = plt.subplots()
plt.plot(bin_edges[0:-1], histogram)
plt.title("灰度直方图")
plt.xlabel("灰度值")
plt.ylabel("像素数量")
plt.xlim(0, 1.0)

# 设置三值分割的两个阈值（示例值，可根据实际调整）
t_low = 0.3
t_high = 0.7

# 创建三值掩码
black_mask = blurred_image < t_low
gray_mask = (blurred_image >= t_low) & (blurred_image < t_high)
white_mask = blurred_image >= t_high

# 可视化三个区域
fig, axes = plt.subplots(1, 3, figsize=(15, 5))
axes[0].imshow(black_mask, cmap="gray")
axes[0].set_title("黑色区域掩码")
axes[1].imshow(gray_mask, cmap="gray")
axes[1].set_title("灰色区域掩码")
axes[2].imshow(white_mask, cmap="gray")
axes[2].set_title("白色区域掩码")

# 生成三值图像（0=黑，1=灰，2=白），方便后续分离贴纸
three_value_image = np.zeros_like(blurred_image)
three_value_image[gray_mask] = 1
three_value_image[white_mask] = 2

fig, ax = plt.subplots()
plt.imshow(three_value_image, cmap="gray")
plt.title("三值分割结果")

plt.show()

二、合理设置阈值的方法 #

手动设置t=0.72缺乏依据，推荐三种可靠的阈值选择方式：

1. 基于直方图手动选阈值 #

观察灰度直方图的波谷位置：直方图的波谷对应不同区域的分界点。如果你的图像直方图有两个明显波谷，这两个波谷的灰度值就可以作为t_low和t_high——波谷左侧对应黑色区域，中间是灰色，右侧是白色。

2. 自动阈值算法（适配三值分割） #

如果需要自动计算阈值，可以结合Otsu算法分两步处理：

• 先用Otsu算法得到全局二值阈值，再针对其中一个区域（比如灰色+白色区域）再次计算Otsu阈值，得到第二个分界值。
  示例代码如下：

# 第一步：用Otsu得到全局二值阈值
global_thresh = skimage.filters.threshold_otsu(blurred_image)
# 第二步：针对灰度+白色区域再次计算Otsu阈值
upper_region = blurred_image[blurred_image >= global_thresh]
t_high = skimage.filters.threshold_otsu(upper_region) if len(upper_region) > 0 else global_thresh
t_low = global_thresh

# 用自动生成的阈值创建掩码
black_mask = blurred_image < t_low
gray_mask = (blurred_image >= t_low) & (blurred_image < t_high)
white_mask = blurred_image >= t_high

这种方法适合直方图有三个明显峰值的图像，能自动定位分界阈值。

3. 交互式调整阈值 #

如果处理的图像数量不多，可以用交互式工具实时调整阈值，直观看到效果：

from ipywidgets import interact

def update_thresholds(t_low=0.3, t_high=0.7):
    black_mask = blurred_image < t_low
    gray_mask = (blurred_image >= t_low) & (blurred_image < t_high)
    white_mask = blurred_image >= t_high
    
    fig, axes = plt.subplots(1, 3, figsize=(15,5))
    axes[0].imshow(black_mask, cmap="gray")
    axes[1].imshow(gray_mask, cmap="gray")
    axes[2].imshow(white_mask, cmap="gray")
    plt.show()

interact(update_thresholds, t_low=(0,1,0.01), t_high=(0,1,0.01))

运行后拖动滑块，就能实时看到不同阈值组合下的掩码效果，快速找到最适合分离贴纸的参数。

内容的提问来源于stack exchange，提问作者user20384021