上一篇文章介绍了大津算法,总的来说,大津算法的核心思想就两个:
数学上,通过确定一个像素阈值,来将图片中的像素分为两类,一类前景、一类背景,然后计算两类图像的类间方差,使方差最大。
工程实现上,为了确定像素阈值,采用遍历的方法来实现。
代码实现
下面通过一个python代码来实现对一张图片的前景和背景的分割:
import cv2
import numpy as np
import matplotlib.pyplot as plt# 读取图像
image = cv2.imread('luna.jfif', cv2.IMREAD_GRAYSCALE)# 大津算法找到最佳阈值
_, thresholded = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)# 使用 Matplotlib 显示原始图像和分割结果
plt.subplot(121), plt.imshow(image, cmap='gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])plt.subplot(122), plt.imshow(thresholded, cmap='gray')
plt.title('Segmented Image'), plt.xticks([]), plt.yticks([])plt.show()
我们选取了一张在图像处理领域很流行的图片来做测试,这种图片之所有有名,是因为图像中含有丰富的细节、纹理、颜色等信息,方便做多种测试。
利用上述代码对该图