大津法阈值分割python

大津法（Otsu's method）是一种自适应阈值分割方法，它通过找到一个阈值，使得两个类内的方差都最小，从而将图像分割为前景和背景。在大津法中，通过计算图像的灰度直方图和累积分布函数，然后根据不同的阈值计算类内方差，最终选择使类内方差最小的阈值作为最佳阈值。

在Python中，可以使用OpenCV库来实现大津法阈值分割。首先，读取图像并进行高斯模糊处理，然后计算图像的灰度直方图和累积分布函数。接下来，通过遍历不同的阈值，计算每个阈值下的类内方差，并选择使类内方差最小的阈值作为最佳阈值。最后，使用OpenCV的阈值分割函数将图像分割为前景和背景。

以下是一个使用大津法阈值分割的Python代码示例：

import cv2
import numpy as np

# 读取图像并进行高斯模糊处理
img = cv2.imread('road.jpg', 0)
blur = cv2.GaussianBlur(img, (5, 5), 0)

# 计算灰度直方图和累积分布函数
hist = cv2.calcHist(\[blur\], \[0\], None, \[256\], \[0, 256\])
hist_norm = hist.ravel() / hist.max()
Q = hist_norm.cumsum()
bins = np.arange(256)

# 初始化最小方差和阈值
fn_min = np.inf
thresh = -1

# 遍历不同的阈值，计算类内方差
for i in range(1, 256):
    p1, p2 = np.hsplit(hist_norm, \[i\])
    q1, q2 = Q\[i\], Q\[255\] - Q\[i\]
    b1, b2 = np.hsplit(bins, \[i\])
    m1, m2 = np.sum(p1 * b1) / q1, np.sum(p2 * b2) / q2
    v1, v2 = np.sum(((b1 - m1) ** 2) * p1) / q1, np.sum(((b2 - m2) ** 2) * p2) / q2
    fn = v1 * q1 + v2 * q2
    if fn < fn_min:
        fn_min = fn
        thresh = i

# 使用OpenCV的阈值分割函数进行分割
ret, otsu = cv2.threshold(blur, thresh, 255, cv2.THRESH_BINARY)

print("最佳阈值: ", thresh)
print("OpenCV计算的阈值: ", ret)

这段代码首先读取图像并进行高斯模糊处理，然后计算灰度直方图和累积分布函数。接下来，遍历不同的阈值，计算每个阈值下的类内方差，并选择使类内方差最小的阈值作为最佳阈值。最后，使用OpenCV的阈值分割函数将图像分割为前景和背景，并打印出最佳阈值和OpenCV计算的阈值。

希望对你有帮助！
#### 引用[.reference_title]
- *1* *2* [【opencv-python】大津法（Otsu）阈值分割原理深入分析](https://blog.csdn.net/huangzhe0701/article/details/120485879)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [Python+OpenCV：阈值分割](https://blog.csdn.net/liubing8609/article/details/109659209)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]