实现灰度图像和彩色图像的迭代阈值分割算法代码实现

以下是Python代码实现：

import cv2

# 读取图像
img_gray = cv2.imread('gray_image.png', cv2.IMREAD_GRAYSCALE)
img_color = cv2.imread('color_image.png')

# 灰度图像迭代阈值分割
thresh = 128
while True:
    # 将图像分成两部分
    part1 = img_gray[img_gray < thresh]
    part2 = img_gray[img_gray >= thresh]
    
    # 计算两部分的平均值
    avg1 = sum(part1) / len(part1)
    avg2 = sum(part2) / len(part2)
    
    # 更新阈值
    new_thresh = int((avg1 + avg2) / 2)
    if abs(new_thresh - thresh) < 1:
        break
    thresh = new_thresh
    
# 彩色图像迭代阈值分割
b, g, r = cv2.split(img_color)
thresh = 128
while True:
    # 将图像分成两部分
    part1 = cv2.merge((b[b < thresh], g[b < thresh], r[b < thresh]))
    part2 = cv2.merge((b[b >= thresh], g[b >= thresh], r[b >= thresh]))
    
    # 计算两部分的平均值
    avg1 = cv2.mean(part1)
    avg2 = cv2.mean(part2)
    
    # 更新阈值
    new_thresh = int((avg1[0] + avg2[0]) / 2)
    if abs(new_thresh - thresh) < 1:
        break
    thresh = new_thresh
    
# 显示结果
cv2.imshow('gray_image', img_gray)
cv2.imshow('color_image', img_color)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`gray_image.png` 和 `color_image.png` 分别为灰度图像和彩色图像，可以根据实际情况修改文件名。在灰度图像迭代阈值分割算法中，我们首先将图像分成低于阈值和高于阈值的两部分，计算两部分的平均值，然后更新阈值，直到阈值的变化小于1为止。在彩色图像迭代阈值分割算法中，我们按照图像的三个通道分别进行分割和计算平均值，最后取三个通道的平均值作为阈值。