OpenCV-Python入门教程6-Otsu阈值法

在说Otsu之前，先说几个概念

灰度直方图：将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。其实就是每个值（0~255）的像素点个数统计。

Otsu算法假设这副图片由前景色和背景色组成，通过最大类间方差选取一个阈值，将前景和背景尽可能分开。

一、代码展示

import cv2

from matplotlib import pyplot as plt

img = cv2.imread('noisy.jpg', 0)

# 固定阈值法

ret1, th1 = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY)

# Otsu阈值法

ret2, th2 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 先进行高斯滤波，再使用Otsu阈值法

blur = cv2.GaussianBlur(img, (5, 5), 0)

ret3, th3 = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

images = [img, 0, th1, img, 0, th2, blur, 0, th3]

titles = ['Original', 'Histogram', 'Global(v=100)',

         'Original', 'Histogram', "Otsu's",

         'Gaussian filtered Image', 'Histogram', "Otsu's"]

for i in range(3):

    # 绘制原图

    plt.subplot(3, 3, i * 3 + 1)

    plt.imshow(images[i * 3], 'gray')

    plt.title(titles[i * 3], fontsize=8)

    plt.xticks([]), plt.yticks([])

    # 绘制直方图plt.hist, ravel函数将数组降成一维

    plt.subplot(3, 3, i * 3 + 2)

    plt.hist(images[i * 3].ravel(), 256)

    plt.title(titles[i * 3 + 1], fontsize=8)

    plt.xticks([]), plt.yticks([])

    # 绘制阈值图

    plt.subplot(3, 3, i * 3 + 3)

    plt.imshow(images[i * 3 + 2], 'gray')

    plt.title(titles[i * 3 + 2], fontsize=8)

    plt.xticks([]), plt.yticks([])

plt.show()