otsu阈值分割算法实现

Otsu阈值分割算法是一种基于图像直方图的自适应阈值分割方法，它可以自动确定分割阈值，使得分割后的两个部分之间的类间方差最大，从而达到最佳分割效果。

以下是Python实现Otsu阈值分割算法的示例代码：

import cv2
import numpy as np

def otsu_threshold(image):
    # 计算图像直方图
    hist, _ = np.histogram(image, bins=256)
    # 归一化直方图
    hist_norm = hist / float(image.size)
    # 初始化变量
    best_thresh = 0
    best_var = 0
    w0 = 0
    u0 = 0
    total_mean = np.mean(image)
    # 遍历所有阈值
    for thresh in range(256):
        w1 = w0 + hist_norm[thresh]
        if w1 == 0:
            continue
        u1 = (w0 * u0 + thresh * hist_norm[thresh]) / w1
        u2 = (total_mean - w1 * u1) / (1 - w1)
        var_between = w0 * (u0 - total_mean)**2 + w1 * (u1 - total_mean)**2
        if var_between > best_var:
            best_var = var_between
            best_thresh = thresh
        w0 = w1
        u0 = u1
    # 返回最佳阈值
    return best_thresh

# 读取图像
image = cv2.imread('test.png', 0)
# 应用Otsu阈值分割算法
thresh = otsu_threshold(image)
binary_image = np.zeros_like(image)
binary_image[image > thresh] = 255
# 显示结果
cv2.imshow('Original Image', image)
cv2.imshow('Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`otsu_threshold`函数实现了Otsu阈值分割算法，输入为灰度图像，输出为最佳阈值。然后，我们可以根据最佳阈值将图像二值化，生成二值化图像。最后，使用OpenCV库的`imshow`函数显示原始图像和二值化图像。