数字图像处理——最大类间方差法（OTSU）图像阈值分割实例

zhangjincn

已于 2022-06-02 18:23:03 修改

阅读量4.6k

点赞数 2

文章标签：计算机视觉 python 图像处理

于 2022-06-02 18:21:39 首次发布

本文链接：https://blog.csdn.net/zhangjincn/article/details/120076424

版权

本文介绍了最大类间方差法（OTSU）在数字图像处理中的应用，主要用于图像阈值分割。通过Python实现，将彩色图像转换为灰度图像，绘制灰度直方图，然后遍历灰度级，计算最佳分割阈值，以实现图像的二值化分割。示例代码展示了如何对一张彩色图像进行OTSU分割，将红色区域（目标）与绿色背景（背景）分离。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数字图像处理——最大类间方差法（OTSU）图像阈值分割实例

图像阈值分割是指通过以某个确定的图像灰度值（灰度级）将图像分为不同的部分，其目的通常是将需要的目标从图像中分割出来，图像分割在数字图像处理领域具有重要作用。
最大类间方差法，也称为Otsu方法，是应用广泛的图像分割法之一，该方法是通过计算图像灰度级的类间方差最大值或者类内方差最小值来确定分割阈值的标准。具体操作方法是通过遍历数字图像的灰度图像灰度级直方图的全部灰度级作为图像灰度级分割阈值，在每个阈值下将图像灰度按阈值划分为两类，如果在某个阈值下，两类灰度值的类间方差达到最大，或者类内方差达到最小，则该阈值即为最佳分割阈值。

Python实现最大类间方差法分割图像实例

待分割的图像文件名：inkpad2.jpg，该图像是彩色图像，每个像素包含RGB三种颜色，本实例的任务是将印台（红色）部分图像与背景（绿色）部分图像通过最大类间方差法进行阈值分割。
图片在我电脑中的保存位置：D:\ZJPythonFiles\opencv45564\inkpad2.jpg,该位置应根据实际进行修改，如果不想用这张图片，可以换成其他图片，最大类间方差法是二分类

图1 待处理的原始图像在这里插入图片描述最大类间方差法分割图像的步骤：
1.将真彩色图像转换为灰度图像。

2.绘制灰度级直方图。

3.遍历灰度级，计算出各灰度级对应的目标和背景的类间方差。计算目标和背景的最大类间方差，此时对应的灰度值即为最佳阈值。用该阈值分割图像的灰度值即可实现图像的阈值分割。
在这里插入图片描述
以下代码是实例的完整代码，其中使用了名剑求瑕的python灰度图中的代码，用于将RGB真彩色图像转换为灰度图像，使用了mormal的OTSU算法（大津法—最大类间方差法）原理及实现中的代码用于实现将灰度图像进行最大类间方差法进行阈值分割。

#otsu
# 彩色图像转换成灰度图像
import numpy as np
from matplotlib import pyplot as plt
from PIL import Image
# 将一个RGB颜色转换成灰度值，结果保留整数
def RGBtoGray(r, g, b):
    ########## Begin ##########
    gray = round(r*0.299 + g*0.587 + b*0.114)
    ########## End ##########
    return gray
# 将真彩色图像转换成灰度图
# 真彩色和灰度图的文件路径分别为path1和path2