如何使用 Python OpenCV 對影像執行 Otsu 閾值分割？

Otsu 閾值分割是一種閾值分割技術。還有其他型別的閾值分割技術，例如簡單閾值分割和自適應閾值分割。

簡單閾值分割技術使用全域性閾值，而自適應閾值分割技術對不同區域使用不同的閾值。

Otsu 閾值分割技術使用全域性閾值，但該閾值不是人為選擇的。它是自動確定的。它對雙峰影像非常有效。雙峰影像是指直方圖有兩個峰值的影像。閾值是這兩個峰值中間的近似值。如果影像不是雙峰的，則此閾值分割方法不準確。

要應用Otsu閾值分割，我們使用額外的標誌cv2.THRESH_OTSU應用簡單的閾值分割cv2.threshold()。請參閱以下語法。

語法

cv2.threshold(img, thresh_val, max_valu, thresh_techniques)

引數

• img − 輸入灰度影像。它是一個numpy.ndarray。

• thresh_val − 閾值。如果畫素值高於閾值，則分配一個值，否則分配另一個值。

• max_valu − 要分配給畫素的最大值

• thresh_techniques − 使用的閾值分割技術。我們可以應用任何簡單閾值分割 + Otsu 閾值分割，即cv2.THRESH_BINARY + cv2.THRESH_OTSU

它返回全域性自適應閾值和閾值。

讓我們藉助一些 Python 示例來了解 Otsu 閾值分割

輸入影像

我們將在以下示例中使用此影像作為輸入檔案。

示例 1

在此程式中，我們對輸入影像應用Otsu閾值分割。

# import required libraries
import cv2

# read the input image as a gray image
img = cv2.imread('architecture2.jpg',0)

# Apply Otsu's thresholding
_,th = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# display the output image
cv2.imshow("Otsu's Thresholding", th)
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出

執行以上程式後，將生成以下輸出：

以上輸出顯示了應用 Otsu 閾值分割後的影像。

示例 2

在此程式中，我們對輸入影像應用Otsu閾值分割。我們還應用了全域性閾值分割和高斯濾波 + Otsu 閾值分割。

import cv2

from matplotlib import pyplot as plt
img = cv2.imread('architecture2.jpg',0)

# Apply global (simple) thresholding on image
ret1,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)

# Apply Otsu's thresholding on image
ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# Apply Otsu's thresholding after Gaussian filtering
blur = cv2.GaussianBlur(img,(5,5),0)
ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

titles = ['Original Image','Global Thresholding (v=127)',"Otsu's Thresholding",'Gaussian Filter + Otsu']
images = [img,th1,th2,th3]

for i in range(4):
   plt.subplot(2,2,i+1)
   plt.imshow(images[i], 'gray')
   plt.title(titles[i])
   plt.axis("off")
plt.show()

輸出

執行以上程式後，將生成以下輸出：

以上輸出顯示了應用全域性閾值分割、Otsu 閾值分割和高斯濾波 + Otsu 閾值分割後的不同影像。

Shahid Akhtar Khan

更新於： 2022年9月27日

4K+ 閱讀量

開啟你的 職業生涯

透過完成課程獲得認證

立即開始