【youcans 的 OpenCV 例程200篇】159. 图像处理之固定阈值法-CFANZ编程社区

【youcans 的 OpenCV 例程200篇】159. 图像处理之固定阈值法

3.2 全局阈值处理基本方法

当图像中的目标和背景的灰度分布较为明显时，可以对整个图像使用固定阈值进行全局阈值处理。

为了获得适当的全局阈值，可以基于灰度直方图进行迭代计算：

（1）设置初始阈值 T，通常可以设为图像的平均灰度；
（2）用灰度阈值 T 分割图像：灰度值等于 T 的所有像素集合 G1 和大于等于 T 的所有像素集合 G2；
（3）分别计算 G1、G2 的平均灰度值 m1、m2；
（4）求出新的灰度阈值 $T = (m 1 + m 2) / 2$ ；
（5）重复步骤（2）～（4），直到阈值变化小于设定值。

例程 11.16：图像阈值处理之固定阈值法

    # 11.16 图像分割之全局阈值处理
    img = cv2.imread("../images/Fig0940a.tif", flags=0)

    deltaT = 1  # 预定义值
    histCV = cv2.calcHist([img], [0], None, [256], [0, 256])  # 灰度直方图
    grayScale = range(256)  # 灰度级 [0,255]
    totalPixels = img.shape[0] * img.shape[1]  # 像素总数
    totalGary = np.dot(histCV[:,0], grayScale)  # 内积, 总和灰度值
    T = round(totalGary/totalPixels)  # 平均灰度

    while True:
        numC1, sumC1 = 0, 0
        for i in range(T): # 计算 C1: (0,T) 平均灰度
            numC1 += histCV[i,0]  # C1 像素数量
            sumC1 += histCV[i,0] * i  # C1 灰度值总和
        numC2, sumC2 = (totalPixels-numC1), (totalGary-sumC1)  # C2 像素数量, 灰度值总和
        T1 = round(sumC1/numC1)  # C1 平均灰度
        T2 = round(sumC2/numC2)  # C2 平均灰度
        Tnew = round((T1+T2)/2)  # 计算新的阈值
        print("T={}, m1={}, m2={}, Tnew={}".format(T, T1, T2, Tnew))
        if abs(T-Tnew) < deltaT:  # 等价于 T==Tnew
            break
        else:
            T = Tnew

    # 阈值处理
    ret, imgBin = cv2.threshold(img, T, 255, cv2.THRESH_BINARY)  # 阈值分割, thresh=T

    plt.figure(figsize=(11, 4))
    plt.subplot(131), plt.axis('off'), plt.title("original"), plt.imshow(img, 'gray')
    plt.subplot(132, yticks=[]), plt.title("Gray Hist")  # 直方图
    histNP, bins = np.histogram(img.flatten(), bins=255, range=[0, 255], density=True)
    plt.bar(bins[:-1], histNP[:])
    plt.subplot(133), plt.title("threshold={}".format(T)), plt.axis('off')
    plt.imshow(imgBin, 'gray')
    plt.tight_layout()
    plt.show()