问题描述
我需要提取图像中强度单调变化的“最大”区域，这样我们就不会检测到任何（或很少）边缘。换句话说，梯度是线性的，二阶导数或多或少是恒定的。
例如，在1中，当我们应用Sobel过滤器得到2时，我对大的中心黑色区域感兴趣。我尝试了各种技术，例如 Active Contour Model 和 Chan Vese Segmentation，后者提供了有希望的结果，如 3 所示。
以下是我重现图像的代码：
from skimage import filters
edge_sobel = filters.sobel(img)
from skimage.segmentation import chan_vese
cv = chan_vese(edge_sobel,mu=0.25,lambda1=1,lambda2=1,tol=1e-9,max_iter=90,dt=0.5,init_level_set="checkerboard",extended_output=True)
plt.imshow(np.flipud(img.T),cmap="gray")
plt.show()
plt.imshow(np.flipud(edge_sobel.T),cmap="gray")
plt.show()
plt.imshow(np.flipud(cv[0].T),cmap="gray")
plt.show()
plt.imshow(np.flipud(img.T),cmap="gray")
plt.imshow(np.flipud(cv[0].T),alpha=.2,cmap="Reds")
plt.show()
但是，Chan Vese Segmentation 给出的结果过于激进，而且我在二进制图像左侧缺少大块图像，这些图像本应包含在 Segmentation 中。查看覆盖在原始图像上的红色分割区域。
我还要注意，我想快速完成，以便实时应用。我还要注意的是，Active Contour 模型不太有效，因为我想扩大初始区域而不是收缩它，而且我也不知道每次将初始区域放在哪里。
你能帮我做一个精确的分割吗？我想分割/过滤掉下图中的整个黑色区域：
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）