二、图像二值化方法（python）---阈值全局固定、大津法

图像二值化也叫做图像阈值化处理，通过设定某个阈值为门限，把多灰度级的图像转化为仅仅有两个极端的灰度级（0和255）。

阈值全局固定

利用python实现阈值全局固定时的二值化

import cv2
import matplotlib.pyplot as plt
import numpy as np
import math
import os
import pandas as pd
from tqdm import tqdm

image = cv2.imread("peng.png",0)
h = image.shape[0]
w = image.shape[1]

## 唯一确定阈值
a = 150
new_image = np.zeros((h,w),np.uint8)
for i in tqdm(range(h)):
    for j in range(w):
        if(image[i,j]> a ):
            new_image[i,j] = 255
        else:
            new_image[i,j] = 0

print(new_image)
cv2.imshow("new",new_image)
cv2.waitKey()

效果图

大津法OTSU

• 大津法又叫最大类间方差法、最大类间阈值法（OTSU）。
• 它的基本思想是，用一个阈值将图像中的数据分为两类，一类中图像的像素点的灰度均小于这个阈值，另一类中的图像的像素点的灰度均大于或者等于该阈值。如果这两个类中像素点的灰度的方差越大，说明获取到的阈值就是最佳的阈值。
• 则利用该阈值可以将图像分为前景和背景两个部分。而我们所感兴趣的部分一般为前景。

公式流程可自行百度。。。

利用Python实现大津法

import cv2
import os
import numpy as np
import pandas as pd
from tqdm import tqdm
### 首先将图片转化为灰度图像
image = cv2.imread("peng.png")
def rgb2gray(image):
    h = image.shape[0]
    w = image.shape[1]
    grayimage  = np.zeros((h,w),np.uint8)
    for i in tqdm(range(h)):
        for j in range(w):
            grayimage [i,j] = 0.144*image[i,j,0]+0.587*image[i,j,1]+0.299*image[i,j,1]
    return grayimage

### 大津法
def otsu(image):
    ### 高和宽
    h = image.shape[0]
    w = image.shape[1]
    ### 求总像素
    m = h*w

    otsuimg = np.zeros((h, w), np.uint8)
    ##初始阈值
    initial_threshold = 0
    ### 最终阈值
    final_threshold   = 0
    # 初始化各灰度级个数统计参数
    histogram = np.zeros(256, np.int32)
    # 初始化各灰度级占图像中的分布的统计参数
    probability = np.zeros(256, np.float32)

    ### 各个灰度级的个数统计
    for i in tqdm(range(h)):
        for j in range(w):
            s = image[i,j]
            histogram[s] = histogram[s] +1
    ### 各灰度级占图像中的分布的统计参数
    for i in tqdm(range(256)):
        probability[i] = histogram[i]/m

    for i in tqdm(range(255)):
        w0 = w1 = 0  ## 前景和背景的灰度数
        fgs = bgs = 0  # 定义前景像素点灰度级总和背景像素点灰度级总和
        for j in range(256):
            if j <= i:  # 当前i为分割阈值
                w0 += probability[j]  # 前景像素点占整幅图像的比例累加
                fgs += j * probability[j]
            else:
                w1 += probability[j]  # 背景像素点占整幅图像的比例累加
                bgs += j * probability[j]
        u0 = fgs / w0  # 前景像素点的平均灰度
        u1 = bgs / w1  # 背景像素点的平均灰度
        G  = w0*w1*(u0-u1)**2
        if G >= initial_threshold:
            initial_threshold = G
            final_threshold = i
    print(final_threshold)

    for i in range(h):
        for j in range(w):
            if image[i, j] > final_threshold:
                otsuimg[i, j] = 255
            else:
                otsuimg[i, j] = 0
    return otsuimg

grayimage  = rgb2gray(image)
otsuimage  = otsu(grayimage)

cv2.imshow("grayimage",grayimage)
cv2.imshow("otsuimage",otsuimage)

cv2.waitKey()
# print(new_image)

效果图如下