如何使用OTSU阈值处理图像的一部分阈值？

Question

我在扩张和侵蚀的图像上使用OTSU阈值，如下所示：

k = np.ones((5,5),np.float32)/1
        d = cv2.dilate(self.img, k, iterations=10)
        e = cv2.erode(d, k, iterations=10)
        self.thresh = cv2.threshold(e, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

这是被侵蚀和扩张的图像，以及得到阈值的图像：

我只希望中间的圆形明亮区域可以从阈值处理中获得，但我得到的结果是：

我如何进行阈值处理，使得我只得到中间的圆形区域，这似乎也是图像中最亮（视觉）的部分？

注意：为了避免使用不同的值，我想坚持使用OTSU阈值，但我对这些想法持开放态度。

Answer 1

您可以对此图像使用Dilate和Erode滤镜，但是按其他顺序：首先侵蚀然后再拨号。它将抑制图像上方的亮区，阈值方法将提供更好的结果

Answer 2

您可以尝试基于渐变的方法。下面我使用了形态学梯度。我将Otsu阈值应用于此渐变图像，然后进行相似数量的形态学闭合（10次迭代），然后采用所得图像的形态渐变。

现在这些地区很容易被发现。您可以从轮廓中过滤圆形区域，例如，使用基于区域的方法：使用轮廓的边界框尺寸，您可以获得半径的估计值，然后将计算的区域与轮廓区域进行比较。

不知道这种方法对你的收藏有多普遍。

渐变图像：为可视化而缩放的强度值

二值化渐变图像

关闭图片

<强>渐变

im = cv2.imread('LDxOj.jpg', 0)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
morph = cv2.morphologyEx(im, cv2.MORPH_GRADIENT, kernel)
_, bw = cv2.threshold(morph, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
morph2 = cv2.morphologyEx(bw, cv2.MORPH_CLOSE, kernel, anchor = (-1, -1), iterations = 10)
morph3 = cv2.morphologyEx(morph2, cv2.MORPH_GRADIENT, kernel)