6.3 阈值处理-- Otsu 处理

《OpenCV 轻松入门 面向Python》 学习笔记

在使用函数cv.threshold()进行阈值处理时，需要自定义一个阈值，并以此阈值作为图像阈值处理的依据。通常情况下图像都是色彩均衡的，这是直接将阈值设为127是比较合适的。

但是，有时图像灰度级的分布是不均匀的，如果此时还将阈值设值为127，那么阈值处理的结果就是失败的。

如果有一个图像：
$$\left[\begin{array}{ccccc}123& 123& 123& 123& 123\\ 123& 123& 123& 123& 123\\ 123& 123& 126& 126& 126\\ 123& 123& 126& 126& 126\\ 123& 123& 126& 126& 126\end{array}\right]$$

如果此时仍然以127作为阈值，那么图像处理结果就是
$$\left[\begin{array}{ccccc}0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0\end{array}\right]$$
很显然，真是不合理的，我们可以观察到，如果我们以阈值125进行分割，可以得到较好的效果
$$\left[\begin{array}{ccccc}0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0\\ 0& 0& 255& 255& 255\\ 0& 0& 255& 255& 255\\ 0& 0& 255& 255& 255\end{array}\right]$$
OTSU可以帮我们遍历所有可能的阈值，从而找到最佳的阈值

举例：

t, result_img = cv2.threshold(src_image, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

具体操作方法是：

• 在普通阈值操作函数cv2.threshold()中，对参数type的类型多传递一个参数cv2.THRESH_OTSU，即可实现Otsu方式的阈值分割
• 必须要把阈值设定为0
• 返回的t是Otsu方法计算得到并使用的最优阈值， 返回值 result_img 是阈值处理后的结果图像