Otsu阈值分割算法

Otsu阈值分割算法是一种自适应的图像分割方法，它可以根据图像的灰度特性自动确定最佳的二值化分割阈值。该算法的基本思想是：将图像分成前景和背景两部分，使得两部分之间的类间方差最大，而各自内部的类内方差最小。具体实现步骤如下：

1.计算图像的直方图，即统计每个灰度级别的像素数目。

2.计算图像的总平均灰度值。

3.遍历所有可能的阈值k，计算在当前阈值下的类内方差w1(k)和w2(k)，以及类间方差b(k)。

4.找到使得类间方差b(k)最大的阈值k*，即为最佳的二值化分割阈值。

5.根据最佳阈值k*对图像进行二值化处理。

下面是一个Python实现的例子：

import cv2
import numpy as np

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

# 计算直方图
hist, bins = np.histogram(img.ravel(), 256, [0, 256])

# 计算总平均灰度值
mean = np.sum(hist * np.arange(256)) / np.sum(hist)

# 初始化最大类间方差和最佳阈值
max_var = 0
best_thresh = 0

# 遍历所有可能的阈值
for thresh in range(256):
    # 计算在当前阈值下的类内方差和类间方差
    w1 = np.sum(hist[:thresh])
    w2 = np.sum(hist[thresh:])
    if w1 == 0 or w2 == 0:
        continue
    mean1 = np.sum(hist[:thresh] * np.arange(thresh)) / w1
    mean2 = np.sum(hist[thresh:] * np.arange(thresh, 256)) / w2
    var = w1 * w2 * (mean1 - mean2) ** 2
    # 更新最大类间方差和最佳阈值
    if var > max_var:
        max_var = var
        best_thresh = thresh

# 根据最佳阈值对图像进行二值化处理
binary = np.zeros_like(img)
binary[img >= best_thresh] = 255

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Binary', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()