图像添加高斯噪声,进行平滑后，再用OTSU算法对图像进行阈值分割

噪声会影响图像分割的效果，一个简单的处理方法是对含噪图像先进行平滑滤波，在进行分割。编程先给输入图像添加高斯噪声，然后对图像进行平滑后，再用OTSU算法对图像进行阈值分割，比较图像平滑和没有平滑的图像分割效果

import numpy as np
import cv2
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
def histogram(image):
    (row,col)=image.shape
    hist=[0]*256
    for i in range(row):
        for j in range(col):
            hist[image[i,j]]+=1
            return hist

img=cv2.imread(r'd:\Pictures\jzy.jpg',0)
#带噪声的图像
img_noisy = np.uint8(img + 0.8 * img.std() * np.random.standard_normal(img.shape))
#噪声图像直方图
img_noisy_hist=histogram(img_noisy)
#带噪声图像的OTSU分割
_,img_seg=cv2.threshold(img_noisy,128,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
#img_smooth=cv2.GaussianBlur(img_noisy,(5,5),0.1)
#高斯平滑的图像
img_smooth=cv2.blur(img_noisy,(7,7))
#平滑图像直方图
img_smooth_hist=histogram(img_smooth)
#平滑图像的OTSU分割
_,img_seg_smooth=cv2.threshold(img_smooth,128,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

plt.figure(figsize=(8,5))
plt.axes([0.1, 0.55, 0.2, 0.4])
plt.title("带噪声的图像"),plt.axis("off")
plt.imshow(img_noisy,cmap="gray")
plt.axes([0.4, 0.6, 0.2, 0.28])
plt.title("噪声图像直方图")
plt.xlabel("灰度值"),plt.ylabel("像素个数")
#plt.bar(range(256),img_noisy_hist)
plt.plot(img_noisy_hist, color='black')
plt.axes([0.7, 0.55, 0.2, 0.4])
plt.title("带噪声图像的OTSU分割"), plt.axis("off")
plt.imshow(img_seg,cmap="gray")
plt.axes([0.1, 0.1, 0.2, 0.4])
plt.title("高斯平滑的图像"), plt.axis("off")
plt.imshow(img_smooth,cmap="gray")
plt.axes([0.4, 0.15, 0.2, 0.28])
plt.title("平滑图像直方图")
plt.xlabel("灰度值"), plt.ylabel("像素个数")
#plt.bar(range(256),img_smooth_hist)
plt.plot(img_smooth_hist, color='black')
plt.axes([0.7, 0.1, 0.2, 0.4])
plt.title("平滑图像的OTSU分割"), plt.axis("off")
plt.imshow(img_seg_smooth,cmap="gray")
plt.show()