opencv+python入门学习之四 二值化图像

二值化：像素点的灰度值设置为0或255，凸显黑白的视觉效果
实现过程：基于灰度图像，设置阈值，然后得到0或255的二值结果。
根据阈值选取的不同，二值化的算法分为固定阈值和自适应阈值。 比较常用的二值化方法则有：双峰法、P参数法、迭代法和OTSU法等。
OTSU法：最大类间方差法，是一种常用的图像分割算法。核心思想是设一个初始阈值把图像分为两类，然后计算两类之间的方差，更新阈值，重新计算类间方差，当满足类间方差最大时的阈值，即为所求最佳阈值。

方差：数据与平均数之差平方和的平均数

def Otsu(image):
    img = image.copy()
    sumMax = 0
    bestTh = 0
    for Th in range(0,255):
        print("当前阈值为：%s"%Th)
        a = 0;
        b = 0;
        sumii = 0;
        sumjj = 0;
        for ii in range(img.shape[0]):
            for jj in range(img.shape[1]):
                if img[ii, jj] >= Th:
                    sumii += img[ii,jj]
                    a +=1
                else:
                    sumjj += img[ii, jj]
                    b +=1
        if a == 0 or b == 0:
            continue
        sumii /= a
        sumjj /= b
        sumTh = a*b*(sumii-sumjj)**2
        if sumTh > sumMax:
            sumMax = sumTh
            bestTh = Th
    return bestTh-1

opencv 自带的库函数

ret1, th1 = cv.threshold(img, bestTh, 255, cv.THRESH_BINARY)
ret2, th2 = cv.threshold(img, 0, 255, cv.THRESH_BINARY + cv.THRESH_OTSU)

双峰法：一种简单的图像分割算法，双峰法图像二值化就是利用图像灰度直方图呈明显的双峰状，则选取双峰间的最低谷出作为图像分割的阈值所在。