【千律】OpenCV基础：图像阈值分割 -- 自适应阈值分割

环境：Python3.8 和 OpenCV

内容：自适应阈值分割

算法思想：局部二值化，全局二值化容易受阴影影响。
具体算法步骤如下：
（1）对某个像素值，原来为S，取其周围的n×n的区域，求取区域均值或高斯加权值，记为T。
（2）对8位图像，如果S>T，则该像素点二值化为255，否则为0。
优化：
（1）在实际操作中，通过均值模糊或高斯模糊实现区域均值或高斯加权值。
（2）增加超参数C，当S>T-C时，将像素值设置为255。
（3）设置范围在0-1的超参数a，当S>(1-a)T时，将像素值设置为255，a通常取0.15。
注：邻域大小一般要大于目标大小，但不能太大。

import cv2 as cv
import matplotlib.pyplot as plt


# 封装图片显示函数
def image_show(image):
    if image.ndim == 2:
        plt.imshow(image, cmap='gray')
    else:
        image = cv.cvtColor(image, cv.COLOR_BGR2RGB)
        plt.imshow(image)
    plt.show()


if __name__ == '__main__':

    # 读取灰度图像
    img_desk = cv.imread('desk.png', 0)

    # 自适应阈值分割
    kernel_size = 7   # 邻域大小
    C = 20            # 超参数C，调整阈值
    img_bin = cv.adaptiveThreshold(img_desk, 255, cv.ADAPTIVE_THRESH_MEAN_C,
                                   cv.THRESH_BINARY, kernel_size, C)

    # 显示图像
    image_show(img_bin)