Python+opencv --大津法（OTSU）

可以参考这篇博客http://blog.csdn.net/u010128736/

我补充一份python实现OTSU：

def OTSU(img_gray):
    max_g = 0
    suitable_th = 0
    th_begin = 0
    th_end = 256
    for threshold in range(th_begin, th_end):
        bin_img = img_gray > threshold
        bin_img_inv = img_gray <= threshold
        fore_pix = np.sum(bin_img)
        back_pix = np.sum(bin_img_inv)
        if 0 == fore_pix:
            break
        if 0 == back_pix:
            continue

        w0 = float(fore_pix) / img_gray.size
        u0 = float(np.sum(img_gray * bin_img)) / fore_pix
        w1 = float(back_pix) / img_gray.size
        u1 = float(np.sum(img_gray * bin_img_inv)) / back_pix
        # intra-class variance
        g = w0 * w1 * (u0 - u1) * (u0 - u1)
        if g > max_g:
            max_g = g
            suitable_th = threshold

    return suitable_th

对于图像直方图有2个明显波峰的分割效果好。使用时可以先得到图像的直方图，如果跟我一样是新手，我附上一份得到直方图的代码，可以使用matplotlib绘图可视化：

eg:

from matplotlib import pyplot as plt
plt.figure(figsize=(12, 12))
plt.subplot(2, 2, 1), plt.imshow(img1, 'gray'), plt.title('Original')
plt.subplot(2, 2, 3), plt.axis([10, 200, 0, 3000]), plt.hist(img1.ravel(), 100)

用来该表线条的属性

线条风格linestyle或ls	描述	线条风格linestyle或ls	描述
‘-‘	实线	‘:’	虚线
‘–’	破折线	‘None’,’ ‘,’’	什么都不画
‘-.’	点划线

线条标记

标记maker	描述	标记	描述
‘o’	圆圈	‘.’	点
‘D’	菱形	‘s’	正方形
‘h’	六边形1	‘*’	星号
‘H’	六边形2	‘d’	小菱形
‘_’	水平线	‘v’	一角朝下的三角形
‘8’	八边形	‘<’	一角朝左的三角形
‘p’	五边形	‘>’	一角朝右的三角形
‘,’	像素	‘^’	一角朝上的三角形
‘+’	加号	‘\	‘	竖线
‘None’,’’,’ ‘	无	‘x’	X

颜色

可以通过调用matplotlib.pyplot.colors()得到matplotlib支持的所有颜色。

别名	颜色	别名	颜色
b	蓝色	g	绿色
r	红色	y	黄色
c	青色	k	黑色
m	洋红色	w	白色

如果这两种颜色不够用，还可以通过两种其他方式来定义颜色值：

• 使用HTML十六进制字符串 color='eeefff' 使用合法的HTML颜色名字（’red’,’chartreuse’等）。
• 也可以传入一个归一化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)

很多方法可以介绍颜色参数，如title()。
plt.tilte('Title in a custom color',color='#123456'）

背景色

通过向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()这样的方法提供一个axisbg参数，可以指定坐标这的背景色。

subplot(111,axisbg=(0.1843,0.3098,0.3098)

基础

如果你向plot()指令提供了一维的数组或列表，那么matplotlib将默认它是一系列的y值，并自动为你生成x的值。默认的x向量从0开始并且具有和y同样的长度，因此x的数据是[0,1,2,3].

确定坐标范围

• plt.axis([xmin, xmax, ymin, ymax])
  上面例子里的axis()命令给定了坐标范围。
• xlim(xmin, xmax)和ylim(ymin, ymax)来调整x,y坐标范围

• import numpy as np
  import matplotlib.pyplot as plt
  from pylab import *
  
  x = np.arange(-5.0, 5.0, 0.02)
  y1 = np.sin(x)
  
  plt.figure(1)
  plt.subplot(211)
  plt.plot(x, y1)
  
  plt.subplot(212)
  #设置x轴范围
  xlim(-2.5, 2.5)
  #设置y轴范围
  ylim(-1, 1)
  plt.plot(x, y1)

  

• 叠加图

  用一条指令画多条不同格式的线。

  import numpy as np
  import matplotlib.pyplot as plt
  
  # evenly sampled time at 200ms intervals
  t = np.arange(0., 5., 0.2)
  
  # red dashes, blue squares and green triangles
  plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
  plt.show()

   

• 

  plt.figure()

  你可以多次使用figure命令来产生多个图，其中，图片号按顺序增加。这里，要注意一个概念当前图和当前坐标。所有绘图操作仅对当前图和当前坐标有效。通常，你并不需要考虑这些事，下面的这个例子为大家演示这一细节。

  import matplotlib.pyplot as plt
  plt.figure(1)                # 第一张图
  plt.subplot(211)             # 第一张图中的第一张子图
  plt.plot([1,2,3])
  plt.subplot(212)             # 第一张图中的第二张子图
  plt.plot([4,5,6])
  
  
  plt.figure(2)                # 第二张图
  plt.plot([4,5,6])            # 默认创建子图subplot(111)
  
  plt.figure(1)                # 切换到figure 1 ; 子图subplot(212)仍旧是当前图
  plt.subplot(211)             # 令子图subplot(211)成为figure1的当前图
  plt.title('Easy as 1,2,3')   # 添加subplot 211 的标题

   

•  

  

  figure感觉就是给图像ID，之后可以索引定位到它。

  plt.text()添加文字说明

• text()可以在图中的任意位置添加文字，并支持LaTex语法
• xlable(), ylable()用于添加x轴和y轴标签
• title()用于添加图的题目

  import numpy as np
  import matplotlib.pyplot as plt
  
  mu, sigma = 100, 15
  x = mu + sigma * np.random.randn(10000)
  
  # 数据的直方图
  n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)
  
  
  plt.xlabel('Smarts')
  plt.ylabel('Probability')
  #添加标题
  plt.title('Histogram of IQ')
  #添加文字
  plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
  plt.axis([40, 160, 0, 0.03])
  plt.grid(True)
  plt.show()

   

• 
  text中前两个参数感觉应该是文本出现的坐标位置。

  plt.annotate()文本注释

  在数据可视化的过程中，图片中的文字经常被用来注释图中的一些特征。使用annotate()方法可以很方便地添加此类注释。在使用annotate时，要考虑两个点的坐标：被注释的地方xy(x, y)和插入文本的地方xytext(x, y)。

  import numpy as np
  import matplotlib.pyplot as plt
  
  ax = plt.subplot(111)
  
  t = np.arange(0.0, 5.0, 0.01)
  s = np.cos(2*np.pi*t)
  line, = plt.plot(t, s, lw=2)
  
  plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
              arrowprops=dict(facecolor='black', shrink=0.05),
              )
  
  plt.ylim(-2,2)
  plt.show()

  
  [^1]:DataHub-Python 数据可视化入门1

  plt.xticks()/plt.yticks()设置轴记号

  现在是明白干嘛用的了，就是人为设置坐标轴的刻度显示的值。

  # 导入 matplotlib 的所有内容（nympy 可以用 np 这个名字来使用）
  from pylab import *
  
  # 创建一个 8 * 6 点（point）的图，并设置分辨率为 80
  figure(figsize=(8,6), dpi=80)
  
  # 创建一个新的 1 * 1 的子图，接下来的图样绘制在其中的第 1 块（也是唯一的一块）
  subplot(1,1,1)
  
  X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
  C,S = np.cos(X), np.sin(X)
  
  # 绘制余弦曲线，使用蓝色的、连续的、宽度为 1 （像素）的线条
  plot(X, C, color="blue", linewidth=1.0, linestyle="-")
  
  # 绘制正弦曲线，使用绿色的、连续的、宽度为 1 （像素）的线条
  plot(X, S, color="r", lw=4.0, linestyle="-")
  
  plt.axis([-4,4,-1.2,1.2])
  # 设置轴记号
  
  xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
         [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
  
  yticks([-1, 0, +1],
         [r'$-1$', r'$0$', r'$+1$'])
  # 在屏幕上显示
  show()

  
  当我们设置记号的时候，我们可以同时设置记号的标签。注意这里使用了 LaTeX。[^2]

  [^2]:Matplotlib 教程

  移动脊柱 坐标系

  ax = gca()
  ax.spines['right'].set_color('none')
  ax.spines['top'].set_color('none')
  ax.xaxis.set_ticks_position('bottom')
  ax.spines['bottom'].set_position(('data',0))
  ax.yaxis.set_ticks_position('left')
  ax.spines['left'].set_position(('data',0))

  plt.legend()添加图例

  plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
  plot(X, S, color="red",  linewidth=2.5, linestyle="-", label="sine")
  
  legend(loc='upper left')

  

  matplotlib.pyplot

  使用plt.style.use('ggplot')命令，可以作出ggplot风格的图片。

  # Import necessary packages
  import pandas as pd
  %matplotlib inline
  import matplotlib.pyplot as plt
  plt.style.use('ggplot')
  from sklearn import datasets
  from sklearn import linear_model
  import numpy as np
  # Load data
  boston = datasets.load_boston()
  yb = boston.target.reshape(-1, 1)
  Xb = boston['data'][:,5].reshape(-1, 1)
  # Plot data
  plt.scatter(Xb,yb)
  plt.ylabel('value of house /1000 ($)')
  plt.xlabel('number of rooms')
  # Create linear regression object
  regr = linear_model.LinearRegression()
  # Train the model using the training sets
  regr.fit( Xb, yb)
  # Plot outputs
  plt.scatter(Xb, yb,  color='black')
  plt.plot(Xb, regr.predict(Xb), color='blue',
           linewidth=3)
  plt.show()

  

  给特殊点做注释

  好吧，又是注释，多个例子参考一下！

  我们希望在 2π/32π/3 的位置给两条函数曲线加上一个注释。首先，我们在对应的函数图像位置上画一个点；然后，向横轴引一条垂线，以虚线标记；最后，写上标签。

  t = 2*np.pi/3
  # 作一条垂直于x轴的线段，由数学知识可知，横坐标一致的两个点就在垂直于坐标轴的直线上了。这两个点是起始点。
  plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
  scatter([t,],[np.cos(t),], 50, color ='blue')
  
  annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
           xy=(t, np.sin(t)), xycoords='data',
           xytext=(+10, +30), textcoords='offset points', fontsize=16,
           arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
  
  plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
  scatter([t,],[np.sin(t),], 50, color ='red')
  
  annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
           xy=(t, np.cos(t)), xycoords='data',
           xytext=(-90, -50), textcoords='offset points', fontsize=16,
           arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

   

  

  plt.subplot()

  plt.subplot(2,3,1)表示把图标分割成2*3的网格。也可以简写plt.subplot(231)。其中，第一个参数是行数，第二个参数是列数，第三个参数表示图形的标号。

  plt.axes()

  我们先来看什么是Figure和Axes对象。在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。其逻辑关系如下^3：
  

  plt.axes-官方文档

• axes() by itself creates a default full subplot(111) window axis.
• axes(rect, axisbg=’w’) where rect = [left, bottom, width, height] in normalized (0, 1) units. axisbg is the background color for the axis, default white.
• axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.

  rect=[左, 下, 宽, 高] 规定的矩形区域,rect矩形简写，这里的数值都是以figure大小为比例，因此，若是要两个axes并排显示，那么axes[2]的左=axes[1].左+axes[1].宽，这样axes[2]才不会和axes[1]重叠。

• show code

  http://matplotlib.org/examples/pylab_examples/axes_demo.html
  
  import matplotlib.pyplot as plt
  import numpy as np
  
  # create some data to use for the plot
  dt = 0.001
  t = np.arange(0.0, 10.0, dt)
  r = np.exp(-t[:1000]/0.05)               # impulse response
  x = np.random.randn(len(t))
  s = np.convolve(x, r)[:len(x)]*dt  # colored noise
  
  # the main axes is subplot(111) by default
  plt.plot(t, s)
  plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)])
  plt.xlabel('time (s)')
  plt.ylabel('current (nA)')
  plt.title('Gaussian colored noise')
  
  # this is an inset axes over the main axes
  a = plt.axes([.65, .6, .2, .2], axisbg='y')
  n, bins, patches = plt.hist(s, 400, normed=1)
  plt.title('Probability')
  plt.xticks([])
  plt.yticks([])
  
  # this is another inset axes over the main axes
  a = plt.axes([0.2, 0.6, .2, .2], axisbg='y')
  plt.plot(t[:len(r)], r)
  plt.title('Impulse response')
  plt.xlim(0, 0.2)
  plt.xticks([])
  plt.yticks([])
  
  plt.show()
  

   

  

  []:绘图: matplotlib核心剖析

  pyplot.pie参数

• matplotlib.pyplot.pie

• colors颜色

  找出matpltlib.pyplot.plot中的colors可以取哪些值？

• so-Named colors in matplotlib
• CSDN-matplotlib学习之（四）设置线条颜色、形状

• 打印颜色值和对应的RGB值。

• plt.axis('equal')避免比例压缩为椭圆