《OpenCV 轻松入门 面向Python》 学习笔记
在使用函数cv.threshold()进行阈值处理时，需要自定义一个阈值，并以此阈值作为图像阈值处理的依据。通常情况下图像都是色彩均衡的，这是直接将阈值设为127是比较合适的。
但是，有时图像灰度级的分布是不均匀的，如果此时还将阈值设值为127，那么阈值处理的结果就是失败的。
如果有一个图像：
[
123
123
123
123
123
123
123
123
123
123
123
123
126
126
126
123
123
126
126
126
123
123
126
126
126
]
\begin{bmatrix} 123 & 123 & 123 & 123 & 123\\ 123 & 123 & 123 & 123 & 123\\ 123 & 123 & 126 & 126 & 126\\ 123 & 123 & 126 & 126 & 126\\ 123 & 123 & 126 & 126 & 126\\ \end{bmatrix}
⎣⎢⎢⎢⎢⎡123123123123123123123123123123123123126126126123123126126126123123126126126⎦⎥⎥⎥⎥⎤
如果此时仍然以127作为阈值，那么图像处理结果就是
[
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
]
\begin{bmatrix} 0 & 0 & 0 & 0& 0\\ 0 & 0 & 0 & 0& 0\\ 0 & 0 & 0 & 0& 0\\ 0 & 0 & 0 & 0& 0\\ 0 & 0 & 0 & 0& 0\\ \end{bmatrix}
⎣⎢⎢⎢⎢⎡0000000000000000000000000⎦⎥⎥⎥⎥⎤
很显然，真是不合理的，我们可以观察到，如果我们以阈值125进行分割，可以得到较好的效果
[
0
0
0
0
0
0
0
0
0
0
0
0
255
255
255
0
0
255
255
255
0
0
255
255
255
]
\begin{bmatrix} 0 & 0 & 0 & 0& 0\\ 0 & 0 & 0 & 0& 0\\ 0 & 0 & 255 & 255& 255\\ 0 & 0 & 255 & 255& 255\\ 0 & 0 & 255 & 255& 255\\ \end{bmatrix}
⎣⎢⎢⎢⎢⎡0000000000002552552550025525525500255255255⎦⎥⎥⎥⎥⎤
OTSU可以帮我们遍历所有可能的阈值，从而找到最佳的阈值
举例：
t, result_img = cv2.threshold(src_image, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
具体操作方法是：
- 在普通阈值操作函数cv2.threshold()中，对参数type的类型多传递一个参数cv2.THRESH_OTSU，即可实现Otsu方式的阈值分割
- 必须要把阈值设定为0
- 返回的t是Otsu方法计算得到并使用的最优阈值， 返回值 result_img 是阈值处理后的结果图像
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
