huang阈值分割算法python

黄（Otsu）阈值分割算法是一种常用的图像二值化技术，它是由 Nobuyuki Otsu 提出的。在 Python 中，可以使用 OpenCV 库来应用这个算法。以下是使用 OpenCV 实现黄阈值分割的基本步骤：

1. 导入必要的库：

import cv2
import numpy as np

2. 加载图像并转换为灰度图像：

img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

3. 计算直方图：

hist, _ = np.histogram(img.flatten(), 256, [0, 256])

4. 初始化变量，包括累计分布函数（Cumulative Distribution Function, CDF），最大互信息（Mutual Information），以及最佳阈值 `thresh`：

cdf = hist.cumsum()
cdf_normalized = cdf * img.shape[0] / float(hist.sum())
total_pixel = img.shape[0] * img.shape[1]
best_thresh = 0
max_mut_info = 0

5. 使用循环计算每个像素值作为阈值的互信息，并更新最大互信息和最佳阈值：

for i in range(1, 256):
    # 计算当前阈值下的前景和背景像素数
    w_f = cdf_normalized[i] * total_pixel
    w_b = (1 - cdf_normalized[i]) * total_pixel
    
    # 计算互信息
    MI = w_f * w_b * np.log2(w_f / w_b) if w_f > 0 and w_b > 0 else 0

    # 更新最大互信息和最佳阈值
    if MI > max_mut_info:
        max_mut_info = MI
        best_thresh = i

6. 将最佳阈值应用于原始图像得到二值化结果：

binary_img = np.where(img >= best_thresh, 255, 0).astype(np.uint8)

7. 显示原图和二值化后的图像：

cv2.imshow('Original Image', img)
cv2.imshow('Threshold Segmented Image', binary_img)
cv2.waitKey(0)
cv2.destroyAllWindows()