这篇教程Python图像分割之均匀性度量法分析写得很实用，希望能帮到您。
均匀性度量图像分割是图像像素分割的一种方法，当然还有其他很多的方法。这里简单的介绍下其原理和实现代码【有源码】 其流程大概分为一下几步 1、确定一个阈值 2、计算阈值两边的像素个数、占比、以及方差 3、将两边的方差和占比想乘再相加 4、循环1~3的步骤 下面以这个例子为示例做一个演示 
计算公式： 
阈值为: 1 阈值左边值为: [1, 1, 0, 0, 0] 均值: 0.08 阈值右边值为: [3, 9, 9, 8, 2, 3, 7, 3, 3, 6, 6, 4, 6, 8, 2, 5, 2, 9, 2, 6] 均值: 4.12 阈值左边方差为: 1.712 阈值右边方差为: 147.76800000000003 方差和比例相乘为: 118.55680000000002 阈值为: 2 阈值左边值为: [1, 2, 1, 0, 2, 0, 2, 2, 0] 均值: 0.4 阈值右边值为: [3, 9, 9, 8, 3, 7, 3, 3, 6, 6, 4, 6, 8, 5, 9, 6] 均值: 3.8000000000000007 阈值左边方差为: 11.440000000000003 阈值右边方差为: 150.04 方差和比例相乘为: 100.144 阈值为: 3 阈值左边值为: [1, 3, 2, 1, 3, 3, 3, 0, 2, 0, 2, 2, 0] 均值: 0.8799999999999999 阈值右边值为: [9, 9, 8, 7, 6, 6, 4, 6, 8, 5, 9, 6] 均值: 3.3200000000000003 阈值左边方差为: 25.347200000000004 阈值右边方差为: 186.14879999999997 方差和比例相乘为: 102.53196799999999 阈值为: 4 阈值左边值为: [1, 3, 2, 1, 3, 3, 3, 0, 4, 2, 0, 2, 2, 0] 均值: 1.0399999999999998 阈值右边值为: [9, 9, 8, 7, 6, 6, 6, 8, 5, 9, 6] 均值: 3.16 阈值左边方差为: 31.0624 阈值右边方差为: 199.56159999999997 方差和比例相乘为: 105.20204799999998 阈值为: 5 阈值左边值为: [1, 3, 2, 1, 3, 3, 3, 0, 4, 2, 0, 5, 2, 2, 0] 均值: 1.2399999999999998 阈值右边值为: [9, 9, 8, 7, 6, 6, 6, 8, 9, 6] 均值: 2.96 阈值左边方差为: 41.18400000000001 阈值右边方差为: 213.536 方差和比例相乘为: 110.12480000000001 阈值为: 6 阈值左边值为: [1, 3, 2, 1, 3, 3, 3, 6, 0, 6, 4, 6, 2, 0, 5, 2, 2, 6, 0] 均值: 2.1999999999999997 阈值右边值为: [9, 9, 8, 7, 8, 9] 均值: 2.0 阈值左边方差为: 88.96000000000002 阈值右边方差为: 244.0 方差和比例相乘为: 126.16960000000002 阈值为: 7 阈值左边值为: [1, 3, 2, 1, 3, 7, 3, 3, 6, 0, 6, 4, 6, 2, 0, 5, 2, 2, 6, 0] 均值: 2.4800000000000004 阈值右边值为: [9, 9, 8, 8, 9] 均值: 1.7200000000000002 阈值左边方差为: 103.488 阈值右边方差为: 237.87199999999996 方差和比例相乘为: 130.3648 阈值为: 8 阈值左边值为: [1, 3, 8, 2, 1, 3, 7, 3, 3, 6, 0, 6, 4, 6, 8, 2, 0, 5, 2, 2, 6, 0] 均值: 3.12 阈值右边值为: [9, 9, 9] 均值: 1.08 阈值左边方差为: 143.4368 阈值右边方差为: 188.17919999999998 方差和比例相乘为: 148.805888 2 100.144
结论： 最后我们发现 以像素点为4的来分的时候，两边方差与占比的乘积最小，因此最佳阈值就是 【2】 源码
Python3.6 之后字典是有序的?
3 个超有用的 Python 编程小技巧 |
