全局阈值和自适应阈值

1、均值法

计算图片的色彩平均值，然后大于阈值的设置为255，小于阈值的设置为0。

2、OTSU

通过寻找类内最小方差：即先将图像按照色彩画出直方图。按色彩值分成两个大类，使每个类的方差最小。

3、三角法

代码如下：

def binary_segmetation_demo():
    src = cv.imread("D:/pythonTest/img/1.jpg",cv.IMREAD_GRAYSCALE)
    cv.imshow("input",src)
    ret,dst = cv.threshold(src,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)
    #ret用于接收算法得出的阈值
    cv.imshow("output",dst)
    print(ret)

上面的代码的OTSU的效果如下：

全局阈值的缺点：对光照不均匀的图像容易出现错误的二值分割。

自适应阈值是先对图像进行模糊求差值，再二值化。

代码如下：

def binary_segmetation_demo():
    src = cv.imread("D:/pythonTest/img/1.jpg",cv.IMREAD_GRAYSCALE)
    cv.imshow("input",src)
    #ret,dst = cv.threshold(src,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)
    dst = cv.adaptiveThreshold(src,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)
    #倒数第二个参数是blocks，必须是奇数
    #ret用于接收算法得出的阈值
    cv.imshow("output",dst)

上述代码的效果如下：

先去噪（用高斯模糊等）再二值化会有较好的效果，代码如下：

src = cv.GaussianBlur(src,(7,7),0)
dst = cv.adaptiveThreshold(src,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)