使用otsu方法的最优阈值处理

减肥小妹妹

已于 2022-06-22 11:18:14 修改

阅读量890

点赞数

分类专栏： python 数字图像处理文章标签： python 开发语言

于 2022-06-22 10:58:41 首次发布

本文链接：https://blog.csdn.net/weixin_45080063/article/details/125405398

版权

该博客介绍了如何使用Otsu算法计算图像的最佳阈值，实现自动二值化。代码示例中展示了从读取灰度图像到计算灰度直方图，再到应用Otsu算法求得阈值并进行图像分割的过程。最后，博客展示了可分离性测量度和处理后的图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import cv2
import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
import math

def calc_gray_hist(image):
    rows,cols=image.shape
    gray_hist=np.zeros([256],dtype=np.uint64)
    for i in range(rows):
        for j in range(cols):
            gray_hist[image[i,j]]+=1
    return gray_hist


def otsu_thresh(image):
    rows,cols=image.shape
    #计算灰度直方图
    gray_hist=calc_gray_hist(image)
    #直方图归一化处理
    norm_hist=gray_hist/(rows*cols)
    #计算累计距，一阶累积矩
    zero_cumu_moment=np.zeros([256],dtype=np.float64)
    one_cumu_moment = np.zeros([256], dtype=np.float64)
    variance_G= np.zeros([256], dtype=np.float64)
    for i in range(256):
        if i==0:
            zero_cumu_moment[i]=norm_hist[i]
            one_cumu_moment[i]=0
            variance_G[i] = 0
        else:
            zero_cumu_moment[i]=zero_cumu_moment[i-1]+norm_hist[i]
            one_cumu_moment[i]=one_c