NumPy实现迭代阈值

     步骤：

1. 自定义初始的分割阈值，一般情况下，初始分割阈值是图像灰度平均值T

2. 根据T图像分割为前景和背景，又分别算出前景和背景的平均灰度T1和T2

3. 计算新的阈值T3=(T1+T2)/2

4.如果T3==T,则迭代结束，T是最终阈值，否则令T=T3，走步骤2

代码实现：

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
def showImage(name,img):
    plt.imshow(img,cmap="gray")
    plt.title(name)
    plt.show()
def IterationThreshold(img):
    m=img.mean()

    #分割前景和背景
    while True:
        t1=img[img<m].mean()
        t2=img[img>=m].mean()

        t=(t1+t2)/2

        #如果新的阈值t==m，迭代结束
        if abs(m-t)<1:
            break;
        m=t
    #用阈值m进行二值化，把图像的前景和背景分隔开
    img2=np.where(img>=m,255,0)
    img2=img2.astype(np.uint8)
    return img2

if __name__=="__main__":
    img=cv.imread("../image/goldpig.jpg",0)
    img2=IterationThreshold(img)
    showImage("img",img)
    showImage("img2",img2)

运行结果：