带有 mask 的 OTSU 自适应阈值

最新推荐文章于 2023-06-29 04:57:04 发布
最新推荐文章于 2023-06-29 04:57:04 发布
阅读量4.2k 收藏 3
点赞数
分类专栏： opencv 文章标签： OTSU 模板 mask
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yiqiudream/article/details/52121711
版权

上一篇 图像二值化方法--OTSU（最大类间方差法） 留下一个问题：使用库函数 

threshold(src, dst, thresh, maxVal, CV_THRESH_OTSU)
来计算阈值，冒出了一个不合群的阈值，原因未知。

分析灰度图，发现光照亮度不均，中间较亮，四周较暗（进行直方图均衡化后更直观）。想把四周较暗的区域作为模板，计算该区域的OTSU阈值，作为整个图像的分割阈值。即把较暗区域的像素点和黑色目标区域的像素点作为对象求其OTSU阈值，这样计算出来的阈值更低。因此，就需要一个带 mask 的计算OTSU阈值的函数。这个想法是学习了以下内容后产生的，该作者改写了原函数。（第一次看到改写原函数，十分感谢原文作者）

opencv threshold with mask

thresh = getThreshVal_Otsu_8u(src); 该函数源码在  opencv\sources\modules\imgproc\src\thresh.cpp 中，文章开头的链接中也贴出了。

改写后的函数：


                

        

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  松下问童子
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
OpenCV图像阈值:简单阈值、自适应阈值、OTSU、TRIANGLE

				
			

			

				

					thequitesunshine007的博客
				

				

					07-26
					
					4711
					
				

			

		

		

			
				
简单阈值（全局阈值）
全局阈值意味着整幅图像以一个固定的值进行分割。
阈值化，即图像的二值化处理就是讲图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值

			
		

	



                

              
                



	

		

			

				
					
OpenCV每日函数 杂项图像转换模块 (1) adaptiveThreshold自适应阈值函数

				
			

			

				

					学以致用 知行合一
				

				

					06-19
					
					484
					
				

			

		

		

			
				
在进行阈值分割时，我们必须提供一个阈值来分割我们的前景和背景。Otsu 的阈值方法可以自动确定阈值的最佳值，然而，这种方法都是全局阈值技术，意味着使用相同的阈值来测试输入图像中的所有像素，从而将它们分割为前景和背景。
通常的做法是计算每个区域中像素强度的算术平均值或高斯平均值（还有一些其他方法，但算术平均值和高斯平均值是迄今为止最受欢迎的）。
在算术平均值中，邻域中的每个像素对计算阈值的贡献相同。并且在高斯均值中，远离区域(x, y)坐标中心的像素值对阈值的整体计算贡献较小。......

			
		

	



                


  
              

                


	

		

			

				
					
opencv学习笔记（十九）单通道固定阈值cvThreshold()以及自适应阈值化 OTSU算法

				
			

			

				

					u014751607的博客
				

				

					01-06
					
					2043
					
				

			

		

		

			
				
cvThreshold 对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像

			
		

	





	

		

			

				
					
自适应autoresizingMask

				
			

			

				

					
				

				

					07-06
					
					70
					
				

			

		

		

			
				
拿出iOS6之前写的代码，发现太多都是MRC以及都是通过代码布局，现在再看维护起来及其复杂。 
关于UIView中的autoresizingMask属性，适当的减少了一部分的压力。 
typedefNS_OPTIONS(NSUInteger,UIViewAutoresizing){
...

			
		

	



		

			
		



	

		

			

				
					
openCV5-Threshold and Mask

				
			

			

				

					我渊啊我渊啊的博客
				

				

					01-28
					
					2983
					
				

			

		

		

			
				
一、掩膜 （Mask）
掩膜是用选定的图像、图形或物体，对要处理的图像进行遮挡，来控制图像 处理的区域
二、阈值 （Threshold）
设定的阈值，将灰度图像转换为二值图像
三、流程图

四、代码，结果
import cv2

Dog = cv2.imread ('C:/Users/64679/Desktop/1.JPG')
CVlogo = cv2.imread ('C:/Users/64679/Desktop/2.JPG')

CVlogoGray = cv2.cvtColor (CVlogo, cv

			
		

	





	

		

			

				
					
OpenCV — Otsu 算法

				
			

			

				

					FlyDremever
				

				

					06-09
					
					4960
					
				

			

		

		

			
				
OpenCV — Otsu 算法
大津法（OTSU）是一种自动选择阈值（无参数且无监督）的的图像分割方法，日本学者 Nobuyuki  Otsu 1979年提出。该方法又称作最大类间方差法，因为按照大津法求得的阈值进行图像二值化分割后，前景与背景图像的类间方差最大。
算法原理

首先假设阈值为 K（0-255）,然后根据K值将灰度图分为两部分
img{c1,像素值大于阈值Kc2,像素值小于阈值K
img
\begin{cases}
c_1, & \text{像素值大于阈值K}  \\
c_2, &a

			
		

	





	

		

			

				
					
OpenCV的otsu自适应阈值分割的算法在肤色检测中的应用

				
			

			

				

					Augusdi的专栏
				

				

					04-28
					
					3892
					
				

			

		

		

			
				
otsu算法选择使类间方差最大的灰度值为阈值，具有很好的效果 算法具体描述见otsu论文，或冈萨雷斯著名的数字图像处理那本书 这里给出程序流程： 1、计算直方图并归一化histogram 2、计算图像灰度均值avgValue. 3、计算直方图的零阶w[i]和一级矩u[i] 4、计算并找到最大的类间方差（between-class variance） variance[i]=(avgValue*w[

			
		

	





	

		

			

				
					
图像自适应阈值

				
			

			

				

					xss20072754的博客
				

				

					04-24
					
					4558
					
				

			

		

		

			
				
OpenCV与Halcon中的图像自适应阈值

在这篇文章中，你会了解到关于什么是自适应阈值，并且如何对图像使用自适应阈值。这篇文章中，除了介绍OpenCV中经典的cv2.adaptiveThreshold函数，还有我根据halcon中的local_threshold函数实现的自适应阈值方法。
在普通的二值化阈值算法中，是对图片中所有的像素都应用同样的一个阈值，大津算法(Otsu)也是如此，只不过这个算法自动计算了一个能让图片尽量分为两个部分的阈值，总之，都是全局阈值(global threshold)。但

			
		

	





	

		

			

				
					
adaptiveThreshold（自适应阈值）

				
			

			

				

					
				

				

					08-29
					
					643
					
				

			

		

		

			
				
void adaptiveThreshold(InputArray src, 
    OutputArray dst,
    double maxValue, 
    int adaptiveMethod,
    int thresholdType, 
    int blockSize, 
    double C);



函数功能
对一...

			
		

	





	

		

			

				
					
具有掩膜功能的大津阈值法（Otsu）

				
			

			

				

					小学僧的博客
				

				

					11-02
					
					2561
					
				

			

		

		

			
				
学习记录…
前文说到大津阈值法是一种自适应的基于全局的阈值分割算法，只有在图像直方图分布为双峰的情况下才会呈现出一种比较好的分割效果，但是待分割图像直方图分布并不是每次都是理想的结果。可能会是光照的影响改变了原本为双峰的直方图分布，或者说背景本身就呈现出了两个灰度级，加上前景那就是三个灰度级了，等等一些情况都会造成使用Otsu分割失败。
试验用图如下：

如图所示：直接利用Otsu算法对原图进行分割，因为高灰度级分布的影响，我们想要的前景数字部分被归结为了背景，导致分割失败。期望分割图是利用上图中掩模部分直

			
		

	





	

		

			

				
					
函数pygame.mask.from_threshold()用阈值确定mask碰撞点原理及使用方法

				
			

			

				

					geng_zhaoying的博客
				

				

					08-30
					
					702
					
				

			

		

		

			
				
pygame.mask.from_threshold使用阈值，而不是使用是否透明在mask中确定那些像素点参加碰撞。该函数选择不同参数，可创建2种不同mask。1种mask可侦测1个角色和指定颜色碰撞。另一种是用一个Surfaces决定另一个Surfaces的mask中那些像素点参加碰撞检测。

			
		

	





	

		

			

				
					
Opencv图像识别从零到精通（15）-----阈值分割、固定阈值Threshold、自适应阈值分割adaptiveThreshold、OSTU大津法

				
			

			

				

					小木匠的博客
				

				

					07-24
					
					1万+
					
				

			

		

		

			
				
阈值分割是一种区域分割技术，将灰度根据主观愿望分成两个或者多个灰度区间，利用图像中背景和目标物体的灰度上的差异，旋转一个合适的阈值进行分割。
一般的分割有全局分割和局部分割，这是不同的思路，在Opencv中给出了threshold(),adapativeThreshold()，这两个函数中的tpye会给出很多的方法
double threshold(InputArray src, Output

			
		

	





	

		

			

				
					
cv2.THRESH_OTSU详解

				
			

			

				

					qq_42598935的博客
				

				

					04-13
					
					6624
					
				

			

		

		

			
				
cv2.THRESH_OTSU详解

			
		

	





	

		

			

				
					
OpenCV阈值处理（threshold函数、自适应阈值处理、Otsu处理）

					
最新发布

				
			

			

				

					weixin_51756038的博客
				

				

					06-29
					
					9127
					
				

			

		

		

			
				
阈值处理是指剔除图像内像素高于一定值或低于一定值的像素点。例如，设定阈值为127，然后：1.将图像内所有像素值大于127的像素点的值设为2552.将图像内所有像素值小于或等于127的像素点的值设为0通过上述方式能够得到一幅二值图像。

			
		

	





	

		

			

				
					
OpenCV.自适应阈值.OTSU

				
			

			

				

					kicinio的博客
				

				

					11-21
					
					2419
					
				

			

		

		

			
				
自适应阈值.OTSU
对于阈值操作，不仅可以手动设置阈值，还可以自动计算阈值，即根据输入源本身特征进行自适应阈值。本节自适应为OTSU。OTSU的含义为将灰度输入源的直方图划为两个部分，并计算其类内方差和类间方差，最小类内方差或最大类间方差即为阈值T。在OpenCV中，其枚举为Imgproc.THRESH_OTSU。
其数学描述解释如下：
假设src为双峰图像，则OTSU将会找到一个阈值t，以最小化由关系给出的加权类内方差：

其中，

实际上找到了一个位于两个峰值之间的 t 值，使得两个类的方差最小。
J

			
		

	





	

		

			

				
					
opencv cv2.THRESH_OTSU 二值化

					
热门推荐

				
			

			

				

					lcalqf的专栏
				

				

					05-04
					
					2万+
					
				

			

		

		

			
				
原文地址：http://www.mamicode.com/info-detail-907204.html

 Otsu’s二值化

我们前面说到，cv2.threshold函数是有两个返回值的，前面一直用的第二个返回值，也就是阈值处理后的图像，那么第一个返回值（得到图像的阈值）将会在这里用到。 
前面对于阈值的处理上，我们选择的阈值都是127，那么实际情况下，怎么去选择这个127呢？有的

			
		

	





	

		

			

				
					
【图像处理】OpenCV Python 带mask的大津法阈值分割 快速实现版本

				
			

			

				

					weixin_42529242的博客
				

				

					05-24
					
					1394
					
				

			

		

		

			
				
OpenCV Python 带mask的大津法阈值分割 快速实现版本

在另一位博主的代码基础上修改的，但是原地址找不到了。。程序运行时间，在我的电脑上，从55s缩减到了0.13s。

如果有错误的地方或者可以改进的地方，请给我留言。


import cv2
import numpy as np
import time


def OTSU_with_mask(img_gray, mask):
    """带mask的大津法  
    mask：0和255
    """
    start = ti

			
		

	





	

		

			

				
					
利用OpenCV的函数threshold()对图像作基于OTSU的二值阈值化处理-并附比较好的介绍OTSU原理的博文链接

				
			

			

				

					昊虹AI笔记
				

				

					04-20
					
					5098
					
				

			

		

		

			
				
利用OpenCV的函数threshold()对图像作基于OTSU的二值阈值化处理-并附比较好的介绍OTSU原理的博文链接。

			
		

	





	

		

			

				
					
opencv+c++Otsu大津法

				
			

			

				

					05-26
				

			

		

		

			
				
大津法（Otsu's method）是一种基于图像的直方图分析的自适应阈值分割方法，常用于二值化处理。下面是使用OpenCV和C++实现Otsu大津法的代码示例：

```c++
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    Mat src = imread("image.jpg", 0);  // 读入灰度图像

    int T = 0;  // 阈值
    double max_var = 0;  // 最大类间方差

    // 计算图像直方图并归一化
    Mat hist;
    calcHist(&src, 1, nullptr, Mat(), hist, 1, &histSize, &histRange);
    normalize(hist, hist, 0, 255, NORM_MINMAX, CV_8UC1);

    // 遍历所有灰度级
    for (int i = 0; i < 256; i++)
    {
        // 分割成两个类
        Mat mask1 = src > i;
        Mat mask2 = src <= i;

        // 计算两个类的像素数和像素值总和
        double w1 = countNonZero(mask1);
        double w2 = countNonZero(mask2);
        double sum1 = sum(src.mul(mask1))[0];
        double sum2 = sum(src.mul(mask2))[0];

        // 计算两个类的均值和方差
        double u1 = sum1 / w1;
        double u2 = sum2 / w2;
        double var = w1 * w2 * (u1 - u2) * (u1 - u2);

        // 更新最大类间方差和阈值
        if (var > max_var)
        {
            max_var = var;
            T = i;
        }
    }

    // 二值化处理
    Mat dst;
    threshold(src, dst, T, 255, THRESH_BINARY);

    // 显示原图和二值化结果
    imshow("src", src);
    imshow("dst", dst);
    waitKey();

    return 0;
}
```

以上代码中，通过计算每个灰度级作为阈值时的类间方差，从而选择最佳阈值进行二值化处理。最终的二值化结果保存在dst中。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值