有没有更加精细的图像二值化代码

当涉及到图像二值化时，有很多种算法可以使用，因此有许多不同的代码实现。这里提供一个比较通用的二值化代码，它使用 Otsu's thresholding 算法。

import numpy as np
import cv2

def otsu_threshold(img):
    # 将图像转换为灰度图像
    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.sum()
    # 初始化参数
    omega = np.zeros(256)
    mu = np.zeros(256)
    # 计算 omega 和 mu
    for i in range(1,256):
        omega[i] = omega[i-1] + hist_norm[i]
        mu[i] = mu[i-1] + i*hist_norm[i]
    # 计算全局均值
    global_mu = mu[-1]
    # 计算类间方差
    inter_var = np.zeros(256)
    for i in range(1,256):
        inter_var[i] = (global_mu*omega[i] - mu[i])**2 / (omega[i]*(1-omega[i]))
    # 找到最大的类间方差对应的阈值
    threshold = np.argmax(inter_var)
    # 应用阈值
    binary = cv2.threshold(gray, threshold, 255, cv2.THRESH_BINARY)[1]
    return binary

该代码的主要思想是计算灰度图像的直方图，然后将其标准化。接下来，计算全局均值和类间方差，最终找到最大类间方差对应的阈值。最后，使用 OpenCV 的 `threshold` 函数将图像二值化。