大津二值化python代码

以下是大津二值化的Python代码实现：

import cv2

def otsu_threshold(img):
    # 将图像转为灰度图像
    gray = cv2.cvtColor(img, 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()
    # 初始化最大类间方差为0，最佳阈值为0
    max_variance, best_threshold = 0, 0
    # 计算总像素数
    total_pixels = gray.shape[0] * gray.shape[1]
    # 遍历灰度级，计算类间方差
    for i in range(256):
        # 计算背景像素占比
        w0 = hist_norm[:i].sum()
        # 计算前景像素占比
        w1 = hist_norm[i:].sum()
        # 计算背景像素平均灰度值
        u0 = (hist_norm[:i] * np.arange(0, i)).sum() / (w0 + 1e-8)
        # 计算前景像素平均灰度值
        u1 = (hist_norm[i:] * np.arange(i, 256)).sum() / (w1 + 1e-8)
        # 计算类间方差
        variance = w0 * w1 * (u0 - u1) ** 2
        # 更新最大类间方差和最佳阈值
        if variance > max_variance:
            max_variance = variance
            best_threshold = i
    # 对原图像进行二值化处理
    ret, thresh = cv2.threshold(gray, best_threshold, 255, cv2.THRESH_BINARY)
    return thresh

这段代码会将输入的图像转为灰度图像，然后计算灰度直方图，归一化直方图。接着，计算最佳阈值，然后对原图像进行二值化处理，并返回处理后的图像。