图像分割 - 阈值处理 - 全局阈值处理

目录

1. 介绍

2. 代码实现

3. 代码讲解

---

1. 介绍

当目标和背景像素的灰度分布非常不同的时候，可以对整个图像使用全局阈值

在大多数的应用中，图像之间通常存在足够的变化，全局阈值是一种合适的办法。所以，需要一种对图像做阈值估计的算法。为了获取合适的阈值，可以利用直方图进行迭代计算：

算法步骤如下：

1. 随机设置一个阈值的初始值 T
2. 用 T 分割图像，这将会产生两个像素区域。一个是灰度值 <= T 所有像素组成的子区域 G1，一个是灰度值 >T 所有像素组成的子区域 G2
3. 对G1、G2 两个子区域分别计算平均灰度值m1、m2
4. 利用m1、m2得到新的阈值：T = （m1 + m2）/ 2
5. 重复2-4，直到两个阈值T的差值小于某个预设定的值ΔT为止

当目标和背景之间存在一个非常清晰的波谷的时候，上述的算法很有效，

一般来说，初始的阈值T设定为整幅图像的平均灰度值

2. 代码实现

完整代码：

import cv2
import numpy as np


def global_threshold_processing(x):   # x 为传入的图像
    hist = cv2.calcHist([x], [0], None, [256], [0, 256])  # 图像的灰度直方图  shape = (256,1)
    grayScale = np.arange(256).