Otsu阈值分割代码

Otsu阈值分割是一种常用的图像分割方法，用于将图像分成背景和前景两部分。下面是一个简单的Otsu阈值分割的代码示例：

import cv2

# 读取图像
image = cv2.imread('image.jpg', 0)

# 计算图像的直方图
histogram = cv2.calcHist([image], [0], None, [256], [0, 256])

# 归一化直方图
histogram /= histogram.sum()

# 初始化类间方差和最佳阈值
inter_class_variance = 0
best_threshold = 0

# 遍历所有可能的阈值
for threshold in range(256):
    # 计算背景和前景的像素概率和均值
    background_probability = histogram[:threshold].sum()
    foreground_probability = histogram[threshold:].sum()
    background_mean = (histogram[:threshold] * range(threshold)).sum() / background_probability
    foreground_mean = (histogram[threshold:] * range(threshold, 256)).sum() / foreground_probability
    
    # 计算类间方差
    current_inter_class_variance = background_probability * foreground_probability * (background_mean - foreground_mean) ** 2
    
    # 更新最佳阈值和类间方差
    if current_inter_class_variance > inter_class_variance:
        inter_class_variance = current_inter_class_variance
        best_threshold = threshold

# 应用最佳阈值进行二值化
binary_image = (image > best_threshold).astype('uint8') * 255

# 显示结果
cv2.imshow('Original Image', image)
cv2.imshow('Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码使用OpenCV库实现了Otsu阈值分割。首先，读取图像并计算图像的直方图。然后，遍历所有可能的阈值，计算背景和前景的像素概率和均值，并根据类间方差更新最佳阈值。最后，应用最佳阈值进行二值化，并显示结果。