用python实现最大类间方差阈值分割算法

好的，下面是用 Python 实现最大类间方差阈值分割算法的代码：

import numpy as np
import cv2

def otsu(img):
    # 计算灰度直方图
    hist = cv2.calcHist([img], [0], None, [256], [0, 256])

    # 图像总像素数
    total_pixel = img.shape[0] * img.shape[1]

    # 初始化最大类间方差和最优阈值
    max_variance = 0
    best_thresh = 0

    # 遍历阈值，计算类间方差并找到最优阈值
    for thresh in range(256):
        # 计算类别1和类别2的像素个数和像素值总和
        w1 = np.sum(hist[0:thresh])
        w2 = np.sum(hist[thresh:])
        m1 = np.sum(np.multiply(hist[0:thresh], np.arange(0, thresh)))
        m2 = np.sum(np.multiply(hist[thresh:], np.arange(thresh, 256)))

        # 计算类别1和类别2的平均像素值
        if w1 == 0 or w2 == 0:
            continue
        mean1 = m1 / w1
        mean2 = m2 / w2

        # 计算类间方差
        variance = w1 * w2 * (mean1 - mean2) ** 2 / (total_pixel ** 2)

        # 更新最大类间方差和最优阈值
        if variance > max_variance:
            max_variance = variance
            best_thresh = thresh

    # 阈值分割
    ret, dst_img = cv2.threshold(img, best_thresh, 255, cv2.THRESH_BINARY)

    return dst_img

if __name__ == '__main__':
    # 读取图像
    img = cv2.imread('test.png', 0)

    # 最大类间方差阈值分割
    dst_img = otsu(img)

    # 显示原图和分割后的图像
    cv2.imshow('Original Image', img)
    cv2.imshow('Segmented Image', dst_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

在上面的代码中，我们使用 OpenCV 库计算灰度直方图和进行阈值分割。运行代码后，你需要将 `test.png` 替换成你自己的图像文件名。