Python|使用 OpenCV 的阈值技术 | Set-3（大津阈值）

在之前的帖子中，解释了简单阈值和自适应阈值。在 Simple Thresholding 中，使用了全局阈值，该值始终保持不变。在自适应阈值化中，针对较小区域计算阈值，对于不同区域的不同阈值相对于照明的变化。

在Otsu Thresholding中，不选择阈值，而是自动确定。考虑了双峰图像（两个不同的图像值）。生成的直方图包含两个峰值。因此，一般条件是选择位于两个直方图峰值中间的阈值。

我们使用传统的cv2.threshold函数并使用cv2.THRESH_OTSU作为额外的标志。

Syntax: cv2.threshold(source, thresholdValue, maxVal, thresholdingTechnique)

Parameters:
-> source: Input Image array (must be in Grayscale).
-> thresholdValue: Value of Threshold below and above which pixel values will change accordingly.
-> maxVal: Maximum value that can be assigned to a pixel.
-> thresholdingTechnique: The type of thresholding to be applied.

下面是解释 Otsu 阈值技术的Python代码 -

# Python program to illustrate
# Otsu thresholding type on an image
  
# organizing imports
import cv2         
import numpy as np    
  
# path to input image is specified and
# image is loaded with imread command
image1 = cv2.imread('input1.jpg')
  
# cv2.cvtColor is applied over the
# image input with applied parameters
# to convert the image in grayscale
img = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
  
# applying Otsu thresholding
# as an extra flag in binary 
# thresholding     
ret, thresh1 = cv2.threshold(img, 120, 255, cv2.THRESH_BINARY + 
                                            cv2.THRESH_OTSU)     
  
# the window showing output image         
# with the corresponding thresholding         
# techniques applied to the input image    
cv2.imshow('Otsu Threshold', thresh1)         
       
# De-allocate any associated memory usage         
if cv2.waitKey(0) & 0xff == 27:
    cv2.destroyAllWindows()     

输入：

输出：

计算接受图片包含前景和背景像素之后的两类像素，此时它确定了隔离这两类像素的理想限制，目标是它们的合并扩展无关紧要。