opencv图像阈值分割

图像阈值

基本概念：图像阈值一般用于图像阈值分割，图像阈值即图像分割的基准，一般对象为灰度图像，基于此可完成图像的二值化。

---

全局阈值分割

opencv中提供了不同的阈值准则，以python操作opencv为例：
ret, dst = cv2.threshold(src, thresh, maxval, type)

• src：输入图，只能输入单通道图像，通常来说为灰度图
• dst：输出图，一般为二值图像
• thresh：阈值
• maxval：当像素值超过了阈值(或者小于阈值，根据type来决定)所赋予的值
• type：二值化操作的类型，包含以下5种类型：cv2.THRESH_BINARY；cv2.THRESH_BINARY_INV；cv2.THRESH_TRUNC；cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
• cv2.THRESH_BINARY 超过阈值部分取maxval(最大值)，否则取0
• cv2.THRESH_BINARY_INV THRESH_BINARY的反转
• cv2.THRESH_TRUNC 大于阈值部分设为阈值，否则不变
• cv2.THRESH_TOZERO 大于阈值部分不改变，否则设为0
• cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转

另外，type值还有两个选择，为自适应阈值算法，不是固定阈值，此时传入参数thresh不会起作用。

cv2.THRESH_OTSU 使用大津法选择最优的thresh；

cv2.THRESH_TRIANGLE 使用三角法确定thresh；

大津算法（自适应阈值算法）

• 确定最佳阈值，使背景和目标之间的类间方差最大（因为二者差异最大）
  
  $\mu$为整张图片的灰度均值，${\mu }_0$和${\mu }_1$分别为背景和目标两类的灰度均值，${\omega }_0$和${\omega }_1$分别代表两类的面积，在灰度直方图中即每一类像素的个数占所有像素个数的比例，ω0+ω1=1\omega_0+\omega_1=1ω