otsu算法代码详解

Otsu算法是一种图像分割算法，用于将图像分成背景和前景两部分。它基于图像的灰度直方图，通过寻找一个阈值，将图像中的像素分为两个类别。

以下是Otsu算法的代码详解：

import numpy as np
import cv2

def otsu_threshold(image):
    # 将图像转换为灰度图
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 计算灰度直方图
    hist = cv2.calcHist([gray], [0], None, [256], [0, 256])
    
    # 归一化直方图
    hist_norm = hist.ravel() / hist.max()
    
    # 初始化类间方差和最佳阈值
    best_threshold = 0
    max_variance = 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数目
        background_pixels = np.sum(hist_norm[:threshold])
        foreground_pixels = np.sum(hist_norm[threshold:])
        
        # 计算背景和前景的平均灰度值
        background_mean = np.sum(np.arange(threshold) * hist_norm[:threshold]) / background_pixels
        foreground_mean = np.sum(np.arange(threshold, 256) * hist_norm[threshold:]) / foreground_pixels
        
        # 计算类间方差
        variance = background_pixels * foreground_pixels * (background_mean - foreground_mean) ** 2
        
        # 更新最大类间方差和最佳阈值
        if variance > max_variance:
            max_variance = variance
            best_threshold = threshold
    
    # 应用最佳阈值进行二值化
    _, binary = cv2.threshold(gray, best_threshold, 255, cv2.THRESH_BINARY)
    
    return binary

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

# 应用Otsu算法进行图像分割
binary_image = otsu_threshold(image)

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

以上代码使用Python和OpenCV库实现了Otsu算法。首先，将彩色图像转换为灰度图像，然后计算灰度直方图并归一化。接下来，遍历所有可能的阈值，并计算背景和前景的像素数目以及平均灰度值。根据类间方差的计算公式，更新最大类间方差和最佳阈值。最后，应用最佳阈值进行二值化，得到分割后的二值图像。