从一维信号提取阶跃脉冲，实现目标分割与无噪声ROI提取

嘿，这个需求我之前做图像ROI提取时刚好碰到过！针对你说的一维直方图（二值图y轴白色像素计数）提取无噪声的矩形信号起止点，用Python可以通过预处理+二值化+边界检测的思路轻松搞定，我给你拆解下步骤和实用代码：

核心思路 #

因为你的直方图里混有噪声，所以第一步得先把噪声过滤掉，然后把信号转成清晰的二值状态（目标区域为1，背景为0），最后找到连续1区域的首尾索引就是咱们要的起止位置。

具体实现步骤&代码 #

首先导入必要的库，numpy做数组操作，scipy和skimage做滤波和阈值处理：

import numpy as np
from scipy.ndimage import gaussian_filter, binary_opening
from skimage.filters import threshold_otsu

1. 加载/模拟直方图数据

先模拟一个带噪声的直方图（你可以直接替换成自己的真实数据）：

# 模拟带噪声的一维直方图：索引20-70是目标矩形，其余是背景加噪声
np.random.seed(42)
hist = np.zeros(100)
hist[20:71] = 50  # 目标区域的白色像素计数
hist += np.random.randint(0, 5, size=100)  # 添加随机噪声

2. 预处理：过滤噪声

用高斯滤波平滑直方图，把小噪声抹平，保留大的矩形信号趋势：

smoothed_hist = gaussian_filter(hist, sigma=2)  # sigma值可根据噪声大小调整，越大越平滑

如果噪声是孤立的小尖峰，还可以用形态学开运算先腐蚀再膨胀，直接去掉小的噪声块：

# 先通过Otsu自动阈值转二值，再做开运算去噪
thresh = threshold_otsu(smoothed_hist)
binary_signal = smoothed_hist > thresh
# 用长度为3的结构元素，去除小于3个连续点的噪声
cleaned_binary = binary_opening(binary_signal, structure=np.ones(3))

3. 提取起止位置

现在干净的二值信号里，连续的True就是目标区域，找首尾索引：

# 起始位置：第一个为True的索引
start_idx = np.argmax(cleaned_binary)
# 结束位置：反转数组后找第一个True，再换算回原索引
end_idx = len(cleaned_binary) - np.argmax(cleaned_binary[::-1]) - 1

print(f"矩形信号起始位置（y轴索引）：{start_idx}，结束位置：{end_idx}")

额外注意事项 #

• 如果你的直方图有多个矩形目标，可以用np.diff找信号的突变点（从0→1是起始，1→0是结束），遍历所有突变对来提取每个ROI的起止：

  # 找突变点：diff后为1的是起始，为-1的是结束
  diffs = np.diff(cleaned_binary.astype(int))
  starts = np.where(diffs == 1)[0] + 1
  ends = np.where(diffs == -1)[0]
  # 处理信号开头就是True的情况
  if cleaned_binary[0]:
      starts = np.insert(starts, 0, 0)
  # 处理信号结尾还是True的情况
  if cleaned_binary[-1]:
      ends = np.append(ends, len(cleaned_binary)-1)
  

• 阈值化也可以手动设置，比如你知道背景噪声的最大值是10，那直接用smoothed_hist > 10就行，比自动阈值更灵活。

这样处理后，就能精准提取出不含噪声的目标ROI的起止位置啦～

内容的提问来源于stack exchange，提问作者Fadwa