二维otsu算法python_如何理解图像处理中的Otsu's 二值化算法（大津算法）Python编程实践...

Otsu’s 二值化(大津算法)

二值化是什么？有什么用？

PDF扫描成电子版，文字识别，车牌识别等等图像处理场合均需要使用“二值化”操作。我们知道图像是一个矩阵组成，矩阵的元素是一个数字，这个数字是当前像素点对应的颜色(即像素值)。而图片的二值化操作就是将所有像素值变成要么是0要么是1.一般二值化怎么做的呢？答：“设置一个数字d，只要像素值大于这个阈值d那就设置为1，小于这个阈值d那就设置为0。当然也可以大于这个阈值设置为0，小于设置为1”。但是这个阈值怎么找到的呢？计算出一个合适的阈值出来这就是 Otsu’s 二值化(大津算法)要做的事情。

下面是一幅图片对应的像素值矩阵(图片就是矩阵)：

[200,30,4013,40,45]\begin{bmatrix}

200,30,40\\

13, 40,45

\end{bmatrix}[200,30,4013,40,45​]

假设现在我通过Otsu’s 二值化(大津算法)计算出上面那个图片二值化的最优阈值是39.

那么上面那个图片就会被二值化为：

[1,0,10,1,1]\begin{bmatrix}

1,0,1\\

0, 1,1

\end{bmatrix}[1,0,10,1,1​]

下面我们实验下。

实验1. 造一个数据

做图像处理必备技能就是人工制造一个纯净的图片检验算法正确性

import numpy as np

import cv2

import matplotlib.pyplot as plt

######我们先制造一个200x200的图片用于二值化实验#######

def get_test_img():

img_mat = np.zeros((200,200),dtype=np.uint8)# 记得设置成整数，不然opencv会将大于1的浮点数全显示成白色

for row in range(200):

for col in range(200):

img_mat[row][col] = col

return img_mat

img_mat = get_test_img()

plt.imshow(img_mat,cmap='gray')# 显示图片

plt.xlabel("raw img")

如下所示：