利用直方图进行阈值分割

直方图是一种用于展示图像像素值分布情况的图表，它可以帮助我们了解图像中像素值的分布情况。在阈值分割中，我们可以利用直方图中的信息来选择一个合适的阈值来将图像分割成两部分：一部分是大于等于阈值的像素，另一部分是小于阈值的像素。

具体操作步骤如下：

1. 读取图像并将其转化为灰度图像。

2. 计算图像的直方图，可以使用OpenCV中的cv2.calcHist()函数。

3. 可以使用matplotlib库中的pyplot.hist()函数将直方图可视化。

4. 根据直方图的形状选择一个合适的阈值。可以通过手动调整的方式确定阈值，也可以使用Otsu算法自动选择阈值。

5. 将图像根据阈值进行分割，可以使用OpenCV中的cv2.threshold()函数实现。

6. 显示分割后的图像。

代码示例：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像并将其转化为灰度图像
img = cv2.imread('lena.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 计算直方图
hist = cv2.calcHist([gray], [0], None, [256], [0, 256])

# 可视化直方图
plt.hist(gray.ravel(), 256, [0, 256])
plt.show()

# 手动选择阈值
threshold = 100

# 自动选择阈值
# threshold, _ = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 根据阈值进行分割
ret, binary = cv2.threshold(gray, threshold, 255, cv2.THRESH_BINARY)

# 显示分割后的图像
cv2.imshow('binary', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先读取了一张图像，然后将其转化为灰度图像。接着，我们使用cv2.calcHist()函数计算了图像的直方图，并可视化了直方图。然后，我们手动选择了一个阈值100，或者使用Otsu算法自动选择阈值。最后，我们使用cv2.threshold()函数对图像进行分割，并显示分割后的图像。