全局阈值分割——直方图法具体代码

全局阈值分割是图像处理中常用的一种方法，其中直方图法是其中的一种常用实现方式。下面是直方图法的具体代码实现：

import cv2
import numpy as np

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

# 计算图像的直方图
hist, bins = np.histogram(img.flatten(), 256, [0, 256])

# 计算直方图的累积分布函数
cdf = hist.cumsum()

# 找到cdf中的最小值的位置
cdf_m = np.ma.masked_equal(cdf, 0)
cdf_m = (cdf_m - cdf_m.min()) * 255 / (cdf_m.max() - cdf_m.min())
cdf = np.ma.filled(cdf_m, 0).astype('uint8')

# 根据直方图的均衡化函数计算图像的均衡化值
img2 = cdf[img]

# 显示图像
cv2.imshow('image', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

该代码首先读取一张灰度图像，然后使用 `numpy` 库的 `histogram` 函数计算图像的直方图，并使用 `cumsum` 函数计算直方图的累积分布函数。接着，使用 `numpy` 库的 `masked_equal` 函数找到cdf中的最小值的位置，并将cdf进行归一化处理。最后，根据直方图的均衡化函数计算图像的均衡化值，并将其显示出来。