6.4 自动阈值分割方法：otsu大津法

最新推荐文章于 2024-04-26 11:38:03 发布
最新推荐文章于 2024-04-26 11:38:03 发布
阅读量2k 收藏 6
点赞数
分类专栏： 10 OpenCV图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/pengchengliu/article/details/110135044
版权

 

 

一、大津法介绍

与迭代法类似的是，大津阈值法。

大津法也叫最大类间方差法。是1979年日本大津提出的。也是通过计算出一个阈值，然后使用这个阈值对图像进行分割。这个方法的阈值也是自动计算出来的。

 

 

当取最佳阈值时，类间方差最大。

 

大津法就是遍历所有可能的阈值，看看那个阈值得到的类间方差最大。

 

 

二、函数

在opencv中，还是使用cv2.threshold()来实现Otsu算法。

 

t, otsu = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

 

与固定的阈值分割的不同在于：

1. 参数type多了一个"<
最低0.47元/天 解锁文章
/home/liupc
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
自动阈值法：Otsu法.zip_OTSU阈值_OTUS_Otsu 阈值_matlab 阈值_阈值
09-21
自动阈值法是图像处理中的一个关键步骤，用于将图像分割为前景和背景两部分，以便于后续的分析和识别。Otsu方法，也称为Otsu阈值，是自动阈值化的一种常用方法，尤其在二值化处理中表现出色。本文将详细介绍Otsu方法...
灰度图像的自动阈值分割
知识搬运者
01-22 1360
在cv2.threshold函数中，我们设置的两个数值，第一个就是阈值（OTSU会自动学习，设置多少无所谓），根据该阈值进行分割；第二个是将二值图像中的最大值设置为多少，即设置5，那么的到的二值图像就是0和5。一种基本的二值化方法，它使用一个用户指定的固定阈值将图像中的像素分为两类：高于阈值和低于阈值。简而言之，像素值大于阈值的被设为一个值（通常是255），而像素值小于阈值的被设为另一个值（通常是0）。即：高于threshold_value的设置为该值，也就是最后二值图像中的最大值。两种实现结果基本一致。
阈值分割
御坂御坂001的博客
01-08 4394
文章目录1..直方图阈值法2.自动阈值法3.分水岭分割法4.迭代法 阈值分割法是一种基于区域的图像分割技术。图像阈值化分割因其简单实现、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。图像阈值化的目的是按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或...
计算机视觉——OpenCV 使用分水岭算法进行图像分割
最新发布
知来者逆的博客
04-26 1869
分水岭算法通过模拟自然地形来实现图像中物体的分类。在这一过程中，每个像素的灰度值被视作其高度，灰度值较高的像素形成山脊，即分水岭，而二值化阈值则相当于水平面，低于这个水平面的区域会被“淹没”。
python图像处理opencv_Python+OpenCV图像处理——图像二值化的实现
weixin_39739661的博客
11-26 359
简介：图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。普通图像二值化代码如下：import cv2 as cvimport numpy as np#全局阈值def threshold_demo(image):gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY) #把输入图像灰度化#直接阈值化是对输入的单通道矩阵...
图像处理与计算机视觉--第五章-图像分割-自适应阈值分割
m0_71819746的博客
10-04 4688
图像处理与计算机视觉--第五章-图像分割-自适应阈值分割
LabVIEW图像分割算法（基础篇—6）
热门推荐
不脱发的程序猿
06-17 5万+
图像分割是简化机器视觉算法的有效手段之一。它将图像分成一些有意义的区域，以便特征提取过程可基于这些区域提取目标的特征。
大津法Otsu单阈值分割matlab
04-17
大津法（Otsu's method）是一种在图像处理领域广泛应用的自动阈值选择方法，尤其在二值化处理中非常关键。它基于数学统计原理，通过计算图像灰度直方图来寻找最佳的分割阈值，使得图像内部类间方差最大，从而达到...
imagesegment.rar_OTSU_otsu matlab_大津法_大津阈值法_迭代法分割
07-14
大津法（OTSU）和迭代法是两种常用的阈值分割方法，它们在图像分析、模式识别、医学影像处理等领域有着广泛的应用。 大津法，又称为大津阈值法，由日本学者大津俊章于1979年提出。该方法主要基于统计理论，旨在寻找...
DIP大作业图像分割大津法OTSU算法Python代码
01-11
DIP大作业图像分割大津法OTSU算法Python代码
otsu 大津法 阈值分割算法
04-17
使用otsu大津法实现直方图的单阈值分割，可用于图像的分割。大津是用最大类间方差来判读阈值的，也可以用最小类内方差判读，最大类间方差+最小类内方差=总方差
python数字图像处理（11）：图像自动阈值分割
Arthur_Holmes的博客
03-31 1224
图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标区域与其背景在灰度特性上的差异，把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合，选取一个比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。 在skimage库中，阈值分割的功能是放在filters模块中。 我们可以手动指定一个阈值，从而来实现分割。也可以让系统自动生成一个...
OpenCV与图像处理学习七——传统图像分割之阈值法（固定阈值、自适应阈值、大津阈值）
qq_40467656的博客
10-19 1万+
OpenCV与图像处理学习七——传统图像分割之阈值法（固定阈值、自适应阈值、大津阈值）一、固定阈值图像分割1.1 直方图双峰法1.2 OpenCV中的固定阈值分割二、自适应阈值图像分割三、迭代法阈值分割四、Otsu大津阈值法 前面的笔记介绍了一些OpenCV基本的图像处理，后面将学习使用OpenCV的传统的图像分割方法，这次笔记的内容是阈值法进行图像分割。 图像分割是指将图像分成若干具有相似性质的区域的过程，主要有基于阈值、基于区域、基于边缘、基于聚类、基于图论和基于深度学习的图像分割方法等。图像分割分为语
数字图像处理（入门篇）十二 自适应阈值分割
静谧、淡雅
12-10 2430
数字图像处理（入门篇）十二 自适应阈值分割
Halcon阈值处理的几种分割方法threshold/auto_threshold/binary_threshold/dyn_threshold
fallingleafgrief的博客
12-28 3821
在场景中选择物体或特征是图像测量或识别的重要基础，而阈值处理是最简单也最常用的区域选择方法，特别适用于目标和背景的灰度有明显区别的情况。下面就介绍几种常用的阈值处理方法。
matlab实现图像阈值分割（人工选择、自动阈值、分水岭算法）
anxinbuxinan的博客
06-09 1万+
图像阈值分割是一种简单但有效的图像分割方法，其基本思想是将图像中的像素根据其灰度值与预定的阈值进行分类。这个过程可以将图像分成两个部分：前景和背景。
图像处理-大津阈值法（最大类间方差法）
weixin_51487248的博客
05-28 1939
该方法通过自动选择一个阈值来将图像分成两个类别，以达到最大化两个类别之间的方差，从而实现图像的二值化分割。方差可通过以下公式计算： 类间方差 = w0 * w1 * (μ0 - μ1) ^ 2 其中，w0和w1分别为类别0和类别1的像素概率之和，μ0和μ1分别为类别0和类别1的平均灰度值。应用阈值：将原始图像根据最佳阈值进行二值化，像素灰度值大于阈值的设为一个类别，小于等于阈值的设为另一个类别。寻找最大类间方差：在所有可能的阈值T上，选择使类间方差最大的阈值作为最佳阈值。使得上式值最大时对应的k。
基于阈值方法的大津法（ＯＴＳＵ算法）－－－图像分割
RELANGGUSHI的博客
11-27 5717
基于阈值方法的大津法（ＯＴＳＵ算法）－－－图像分割 主要分为三部分去实现： 　１.基本概念 　　大津法：属于阈值分割的范畴。阈值分割方法：利用图像中要提取的目标物体和背景在灰度上的差异，选择一个合适的阈值，通过判断每一个像素点的特征属性来确定该像素点属于目标区还是背景区域，从而产生二值图像。确定一个最优阈值是分割的关键 　　其确定阈值的过程为：记为前景与背景的分割阈值ｔ.前景点数占图像比例为ｗ０，...
图像处理———大津法和自适应阈值图像分割介绍及实现
weixin_44494462的博客
04-29 5942
该部分的学习内容是对经典的阈值分割算法进行回顾，图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像...
编写阈值分割方法-otsu 算法
05-12
Otsu算法是一种经典的图像阈值分割算法，主要思想是寻找图像的最佳阈值，使得分割后的两部分类内方差最小，类间方差最大。 以下是Otsu算法的基本步骤： 1.计算图像的直方图，即统计每个像素值出现的次数。 2.对每个像素值，计算其出现的概率。 3.对每个像素值，计算其和0像素值之间的类间方差。 4.找到使类间方差最大的阈值，即为图像的最佳阈值。 5.将图像按照最佳阈值进行二值化处理，得到分割后的图像。 下面是Python实现代码： ```python import numpy as np from PIL import Image def otsu_threshold(img_path): # 读入图像 img = np.array(Image.open(img_path).convert('L')) # 计算直方图和像素总数 hist, bins = np.histogram(img, bins=256) total_pixels = img.shape[0] * img.shape[1] # 计算每个像素值出现的概率和平均灰度值 probabilities = hist / total_pixels mean_gray = np.sum(bins[:-1] * probabilities) # 初始化最佳阈值和最大类间方差 best_threshold = 0 max_variance = 0 # 遍历所有可能的阈值 for threshold in range(256): # 计算类内和类间方差 w0 = np.sum(probabilities[:threshold]) w1 = np.sum(probabilities[threshold:]) if w0 == 0 or w1 == 0: continue mean0 = np.sum(bins[:threshold] * probabilities[:threshold]) / w0 mean1 = np.sum(bins[threshold:] * probabilities[threshold:]) / w1 variance = w0 * w1 * (mean0 - mean1) ** 2 # 更新最佳阈值和最大类间方差 if variance > max_variance: best_threshold = threshold max_variance = variance # 二值化处理 img_binary = np.zeros_like(img) img_binary[img > best_threshold] = 255 # 返回二值化后的图像和最佳阈值 return img_binary, best_threshold # 测试代码 if __name__ == '__main__': img_path = 'test.jpg' img_binary, best_threshold = otsu_threshold(img_path) print('Best threshold:', best_threshold) Image.fromarray(img_binary).show() ``` 注意：在计算类内和类间方差时，需要判断分母是否为0，以避免出现除数为0的情况。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值