图像二值化后，如何获取背景和目标的灰度均值及其最大类间方差，用python实现

您好，关于您提出的问题，可以利用Python中的OpenCV库实现。具体步骤如下：

1. 导入所需的库

import cv2
import numpy as np

2. 读入图像并进行二值化处理

img = cv2.imread('image.jpg',0)
ret,thresh = cv2.threshold(img,127,255,cv2.THRESH_BINARY)

其中，'image.jpg'为待处理的图像的路径，'0'表示以灰度图像的形式读入，cv2.threshold()函数可以将图像二值化，其中127为阈值，255为高于阈值的像素值，cv2.THRESH_BINARY为二值化类型。

3. 计算背景和目标的灰度均值

mean_background = cv2.mean(img,mask = 255-thresh)
mean_object = cv2.mean(img,mask = thresh)

cv2.mean()函数可以计算灰度值均值，255-thresh的作用是将背景部分取反得到掩模，thresh则是目标部分的掩模。由此，可以获得背景和目标的灰度均值。

4. 计算最大类间方差

var = []
for i in range(256):
    class0 = np.array(img<thresh[i])
    class1 = np.array(img>=thresh[i])
    if sum(class0)==0 or sum(class1)==0:
        var.append(0)
    else:
        mean0 = cv2.mean(img,mask = class0)
        mean1 = cv2.mean(img,mask = class1)
        var.append(sum((mean0-mean1)**2))
idx = np.argmax(var)

首先，定义一个空列表var存储每个灰度级的方差。然后，使用for循环遍历0~255的所有灰度级，对每一个灰度级，将图像分为两个类别，并计算每个类别的灰度均值。最后，根据最大类间方差的公式计算出所有类间方差，并找出最大值所在的灰度级idx即为最大类间方差阈值。

5. 输出结果

print('背景的灰度均值为：',mean_background[0])
print('目标的灰度均值为：',mean_object[0])
print('最大类间方差阈值为：',idx)

将计算得到的背景、目标灰度均值和最大类间方差阈值输出。

完整代码如下：

import cv2
import numpy as np

# 读入图像并进行二值化处理
img = cv2.imread('image.jpg',0)
ret,thresh = cv2.threshold(img,127,255,cv2.THRESH_BINARY)

# 计算背景和目标的灰度均值
mean_background = cv2.mean(img,mask = 255-thresh)
mean_object = cv2.mean(img,mask = thresh)

# 计算最大类间方差
var = []
for i in range(256):
    class0 = np.array(img<thresh[i])
    class1 = np.array(img>=thresh[i])
    if sum(class0)==0 or sum(class1)==0:
        var.append(0)
    else:
        mean0 = cv2.mean(img,mask = class0)
        mean1 = cv2.mean(img,mask = class1)
        var.append(sum((mean0-mean1)**2))
idx = np.argmax(var)

# 输出结果
print('背景的灰度均值为：',mean_background[0])
print('目标的灰度均值为：',mean_object[0])
print('最大类间方差阈值为：',idx)