Python OpenCV 阈值分割/二值化

1.直方图阈值：使用与双峰图像

# 直方图阈值
plt.hist(image.ravel(),256,[0,256])            # 需要一维数组所以拉平image.ravel()
plt.hist(image.flatten(),np.arange(-0.5,256,1))  #另一种绘制直方图的方法
_, img_bin = cv.threshold(image,125,255,cv.THRESH_BINARY) #根据直方图找阈值，二值化
show(img_bin)

2.三角法阈值：不太好用，最早用来分隔染色体图像。使用单峰图像

plt.hist(image.ravel(),256,[0,256])
plt.show()
th, img_bin = cv.threshold(image,0,255,cv.THRESH_TRIANGLE)   #th代表自动找阈值，0是随便输的参数，代表随机找到的阈值
show(img_bin)                                                #cv.THRESH_TRIANGLE 专门为这种方法配的显示方式

3.迭代法阈值分割

# 迭代法求阈值
T = image.mean()
while True:
    t0 = image[image<T].mean()
    t1 = image[image>=T].mean()
    t = (t0+t1)/2
    if T==t:
        break
    T=t
print(T)

 4.大津法（OTSU）

# 大津法
th, img_bin = cv.threshold(image,0,255,cv.THRESH_OTSU)   
#th代表自动找阈值，0是随便输的参数，代表随机找到的阈值                                             
#cv.THRESH_OTSU 专门为这种方法配的显示方式

opencv 自带接口

5.自适应阈值分割

# 自适应阈值分割
img_bin = cv.adaptiveThreshold(image,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,61,0)
# 第三个参数位置适应的方法两种：平均值适应，高斯适应
# 61：窗口大小，一般比目标的窗口大一点，取奇数
# 0：取整数