C++利用OpenCV实现大津法

大津法（Otsu's Method）是一种图像二值化方法，可以将灰度图像转换为黑白二值图像。该方法的基本思想是在图像的灰度直方图中寻找一个阈值，使得在该阈值下方的灰度值分为一个类别，该阈值上方的灰度值分为另一个类别，使得两个类别之间的类内方差最小，类间方差最大。

下面是利用OpenCV实现大津法的代码：

import cv2

# 读取灰度图像
img = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)

# 计算灰度直方图
hist = cv2.calcHist([img], [0], None, [256], [0, 256])

# 计算总像素数
total_pixels = img.shape[0] * img.shape[1]

# 初始化最大类间方差和阈值
max_variance = 0
threshold = 0

# 遍历灰度级
for i in range(256):
    # 计算当前阈值下的类内方差和类间方差
    w0 = sum(hist[:i]) / total_pixels
    w1 = sum(hist[i:]) / total_pixels
    u0 = sum([j * hist[j] for j in range(i)]) / (total_pixels * w0) if w0 != 0 else 0
    u1 = sum([j * hist[j] for j in range(i, 256)]) / (total_pixels * w1) if w1 != 0 else 0
    variance = w0 * w1 * (u0 - u1) ** 2

    # 更新最大类间方差和阈值
    if variance > max_variance:
        max_variance = variance
        threshold = i

# 对原图像进行二值化处理
binary_img = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)[1]

# 显示原图像和二值化图像
cv2.imshow('Original Image', img)
cv2.imshow('Binary Image', binary_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在代码中，首先读取灰度图像，并计算其灰度直方图。然后遍历灰度级，计算当前阈值下的类内方差和类间方差，更新最大类间方差和阈值。最后使用cv2.threshold()函数对原图像进行二值化处理，并显示原图像和二值化图像。

运行代码后，可以看到原图像和经过大津法二值化处理后的图像，如下图所示：