【opencv高级教程】2.7 阈值分割与基础分割

opencv实现阈值分割 介绍了直方图阈值、三角法阈值、迭代法阈值、大津法阈值和自适应阈值。opencv的调库实现和部分算法的底层实现。 阅读详情

阅读导航:我们在本节要解决的核心问题是——如何让计算机像人眼一样,自动决定“哪里是前景、哪里是背景”? 这不是简单地“把亮的留下”。光照不均怎么办?物体和背景颜色混在一起怎么办?用户只想框一个矩形,计算机能不能自己把框里的东西抠出来?别急,我们从最粗暴的“一刀切”开始,一步步走到 Otsu 的智能判决、自适应阈值的局部感知、分水岭的地形模拟,最后到 GrabCut 的迭代图割精修。


2.7 整体概览:从“一刀切”到“智能抠图”的进化树

如果把分割算法看作一个进化树,树根是全局阈值,树叶是交互式分割:

  • 全局阈值:一个数字定生死,快但脆弱。
  • Otsu 自动阈值:看直方图说话,自动找最优分割点。
  • 自适应阈值:把图像切成小窗,每扇窗有自己的标准。
  • 分水岭:把图像当成地形图,让水从种子漫灌,堤坝就是边界。
  • GrabCut:用户画个框,算法用高斯混合模型 + 图割迭代精修。

输入灰度/彩色图像

全局阈值
THRESH_BINARY
手动/经验

Otsu 自动阈值
类间方差最大化

自适应阈值
局部均值/高斯
光照补偿

分水岭算法
梯度地形 + 标记控制

GrabCut 交互分割
GMM + Graph Cut
迭代精修

像素级精确掩码
前景/背景

现在我们已经了解了整体版图,接下来看看最基础的“硬判决”:全局阈值。但在继续之前,我想先问你一个问题——如果你面对一张白纸黑字的扫描件,你会怎么把它变成纯黑白? 找个中间灰度值,比它亮的变白,比它暗的变黑,对吧?这就是全局阈值。听起来简单,但魔鬼藏在细节里。


2.7.1 全局阈值策略:一个数字定生死

2.7.1.1 THRESH_BINARY/INV 的硬判决与掩码生成

我们先从 toy example 开始。 假设有一行 8 个像素,灰度值是:

[20, 45, 120, 200, 210, 80, 30, 255]

我们选阈值 T = 100。THRESH_BINARY 的规则是:

  • 像素 > T → 输出 maxval(通常是 255)
  • 像素 ≤ T → 输出 0

结果变成:

[0, 0, 255, 255, 255, 0, 0, 255]

听起来抽象对吧?这本质上是一个硬判决(Hard Decision):没有任何过渡带,非黑即白。THRESH_BINARY_INV 只是把条件翻转——大于 T 变 0,小于等于 T 变 255,生成的是反色掩码。

>T

≤T

原始灰度
连续值 0~255

THRESH_BINARY
T = 100

maxval = 255
前景白

0
背景黑

二值掩码
硬判决

在 OpenCV 中,cv2.threshold 的返回值有两个: retval(实际使用的阈值)和 dst(输出图)。如果你手动传入 T,retval 就等于 T;如果用 Otsu,retval 是自动算出的最优值。


2.7.1.2 THRESH_TRUNC/TOZERO 的截断与零化模式

我们继续之前的问题。 如果我不想二值化,只想“把太亮的部分压下去”或者“把太暗的部分清零”,怎么办?

THRESH_TRUNC:截断天花板

规则:像素 > T → 输出 T;像素 ≤ T → 输出原值。

上面的例子 [20, 45, 120, 200…] 用 T=100 截断后变成:

[20, 45, 100, 100, 100, 80, 30, 100]

想象它是一个“音量限制器”:超过 100 的都被压到 100,不超过的保持原样。这在 HDR 图像压缩、防止过曝区域完全丢失细节时很有用。

THRESH_TOZERO:暗部清零

规则:像素 > T → 输出原值;像素 ≤ T → 输出 0。

结果:

[0, 0, 120, 200, 210, 80, 0, 255]

这像是一个“噪声门”:低于阈值的全部静音(归零),高于阈值的保留原样。适合提取高亮目标,同时完全抑制暗部噪声。

THRESH_TOZERO_INV:亮部清零

反过来:像素 > T → 输出 0;像素 ≤ T → 输出原值。提取暗部细节时使用。

四种阈值模式

THRESH_BINARY
黑白分明
掩码生成

>T→maxval
≤T→0

THRESH_TRUNC
截断压缩
保细节

>T→T
≤T→原值

THRESH_TOZERO
暗部清零
提亮点

>T→原值
≤T→0

THRESH_TOZERO_INV
亮部清零
提暗点

>T→0
≤T→原值


2.7.1.3 手动阈值的经验设定与双峰直方图观察法

现在我们已经了解了阈值模式。 但 T 到底该设多少?

双峰直方图:理想情况

打开图像的灰度直方图,如果看到两个明显的“山峰”——一个对应暗背景,一个对应亮前景——那么两峰之间的“谷底”就是最佳阈值。citeweb_search:6#8web_search:6#6

双峰直方图

灰度值 0~255

暗峰
背景像素
集中在 20~60

亮峰
前景像素
集中在 150~200

谷底 ≈ 100
最佳阈值 T

经验法则
  • 文档扫描(白底黑字):T 通常在 150~200 之间。
  • 显微镜图像(暗场亮细胞):T 通常在 30~80 之间。
  • 自然图像:几乎没有双峰,手动阈值基本靠猜。

关键洞察:手动阈值只在“受控环境”下有效——光照固定、相机固定、物体颜色固定。一旦光照变化,昨天设的 T 今天就废了。这就是为什么我们需要自动阈值。


2.7.2 Otsu 自动阈值:让直方图自己说话

在继续之前,我们先停一下。 手动阈值的核心困境是:人眼能看出来直方图有两个峰,但计算机怎么量化“谷底在哪”?Otsu 的回答是:找一个阈值,让分成的两类像素“差异最大”。

2.7.2.1 类间方差最大化的推导与遍历搜索

直觉:好的分割,两类应该“很不一样”

想象你有一堆苹果和橘子混在一起,按重量排序。如果你一刀切在某个重量值,把轻的归一类、重的归一类,怎么判断这一刀切得好不好?看两类内部的“纯度”——如果一类全是苹果、一类全是橘子,那就是好分割。

Otsu 用**类间方差(Between-Class Variance)**来量化这个“纯度”:

σB2(T) = ω1(T)·ω2(T)·[μ1(T) - μ2(T)]2

其中:

  • ω1, ω2:两类像素的概率(占比)
  • μ1, μ2:两类的平均灰度

这个公式有一个美妙的性质:当两类均值差异越大、且两类大小越均衡时,类间方差越大。citeweb_search:6#2web_search:6#6web_search:6#8

遍历 T = 0..255

计算 ω1, ω2
μ1, μ2

σB2(T) = ω1ω2(μ1-μ2)2

找 argmax T

最优阈值 T*

推导的巧妙之处

原始定义是 σB2 = ω1(μ1-μ)2 + ω2(μ2-μ)2,其中 μ 是全图均值。但通过代数变换(利用 ω1+ω2=1 和 μ = ω1μ1 + ω2μ2),可以化简为上面的乘积形式。这个形式计算更快,因为 μ1-μ2 的差比 μ1-μ 更直接。citeweb_search:6#6

遍历搜索的实现优化

naive 实现是对每个 T 重新计算 ω 和 μ,O(L2),L=256。但用累积直方图和累积均值,可以降到 O(L):

  • P1(k) = Σi=0k pi(累积概率,0阶矩)
  • m(k) = Σi=0k i·pi(累积均值,1阶矩)

然后 μ1(k) = m(k)/P1(k),μ2(k) = (μG - m(k))/(1 - P1(k))。所有值通过查表在 O(1) 内获得。citeweb_search:6#1web_search:6#6

结构化伪代码:Otsu 最优阈值搜索

Algorithm OtsuThreshold
Input:  灰度图 I[0..H-1][0..W-1], L 个灰度级 (通常 L=256)
Output: 最优阈值 T*

// 第一步:计算归一化直方图
for i ← 0 to L-1 do
    H[i] ← 0
end
for each pixel p in I do
    H[p] ← H[p] + 1
end
for i ← 0 to L-1 do
    p[i] ← H[i] / (H × W)   // 概率
end

// 第二步:预计算累积量
P[0] ← p[0]          // 累积概率 ω<sub>1</sub>
m[0] ← 0 · p[0]      // 累积均值
for k ← 1 to L-1 do
    P[k] ← P[k-1] + p[k]
    m[k] ← m[k-1] + k · p[k]
end
μ<sub>G</sub> ← m[L-1]          // 全局均值

// 第三步:遍历搜索最大类间方差
maxVar ← -1
T* ← 0
for k ← 0 to L-1 do
    if P[k] > 0 && P[k] < 1 then   // 避免空类
        μ<sub>1</sub> ← m[k] / P[k]
        μ<sub>2</sub> ← (μ<sub>G</sub> - m[k]) / (1 - P[k])
        σ<sub>B</sub><sup>2</sup> ← P[k] · (1 - P[k]) · (μ<sub>1</sub> - μ<sub>2</sub>)<sup>2</sup>
        if σ<sub>B</sub><sup>2</sup> > maxVar then
            maxVar ← σ<sub>B</sub><sup>2</sup>
            T* ← k
        end
    end
end

return T*

2.7.2.2 双峰直方图的适用前提与单峰失效分析

现在我们已经了解了 Otsu 的推导。 但它有没有盲区?有,而且很大。

失效场景一:单峰直方图

如果图像的直方图只有一个峰(比如一张均匀的灰墙,或者前景背景灰度高度重叠),Otsu 会强行把它切成两半。结果通常是:把墙切成两半,或者把物体和背景各切掉一半。因为类间方差公式在单峰情况下,最大值往往出现在直方图的极端位置(0 或 255),导致灾难性分割。citeweb_search:6#8

Otsu 失效模式

双峰直方图
背景/前景分离
✓ Otsu 完美

单峰直方图
均匀背景 + 小目标
✗ Otsu 失效
阈值偏向极端

光照不均
局部直方图不同
✗ 全局 Otsu 失效

失效场景二:类别不平衡

如果前景只占图像的 5%,背景占 95%,Otsu 的类间方差会偏向“把大类别保护好”,导致小目标被吞并。因为 ω1·ω2 在极端比例下会变得很小,抑制了均值差的作用。

失效场景三:噪声干扰

直方图上的小毛刺会被 Otsu 误读为“第三个峰”,导致阈值跳变到错误位置。预处理去噪(如高斯平滑或 NLM)是必要的。

诊断方法:在调用 Otsu 前,先画直方图。如果没有明显的双峰,不要迷信 Otsu,转用自适应阈值或 GrabCut。


2.7.2.3 多阈值 Otsu 的扩展与计算复杂度

我们继续之前的问题。 如果图像里有三类物体(比如细胞核、细胞质、背景),单阈值只能分成两类,怎么办?

多阈值扩展

Otsu 可以推广到 K 个阈值,把图像分成 K+1 类。类间方差变成:

σB2(T1, T2, …, TK) = Σi=1K+1 ωi(μi - μG)2

但搜索空间从 O(L) 爆炸到 O(LK)。对于 256 灰度级:

  • K=1(单阈值):256 次计算,瞬间完成。
  • K=2(双阈值):2562 = 65,536 次,可接受。
  • K=3(三阈值):2563 ≈ 1677 万次,明显变慢。
  • K=4:109 量级,不可行。citeweb_search:6#0web_search:6#1

单阈值 Otsu
O(L)

双阈值 Otsu
O(L2)
~6×104

三阈值 Otsu
O(L3)
~1.6×107

K≥4
需要启发式搜索
PSO / GA / 分治法

加速策略
  • 递归分解:先找最优 T1 把图分成两类,再在每类内部找子阈值。不是全局最优,但快。
  • 启发式优化:用粒子群(PSO)、遗传算法(GA)或 Jaya 算法在阈值空间中搜索,避免暴力遍历。citeweb_search:6#0
  • 查找表(LUT):把累积概率和累积均值预存,每次评估只需查表和简单算术。citeweb_search:6#1

OpenCV 的 cv2.threshold 只支持单阈值 Otsu(THRESH_OTSU)。多阈值需要自己实现或使用 Scikit-image 的 threshold_multiotsu。


2.7.3 自适应阈值:每扇窗有自己的标准

在继续之前,让我们面对现实。 全局阈值(包括 Otsu)的最大敌人是光照不均。想象一张从左上角打光的文档:左上角亮、右下角暗。一个全局 T 无法同时满足两边。怎么办?把图像切成小窗口,每个窗口用自己的阈值。

2.7.3.1 ADAPTIVE_THRESH_MEAN 的局部均值与邻域尺寸

直觉:用邻居的平均亮度做基准

对于每个像素,我们看它周围 blockSize×blockSize 的邻居,计算它们的平均灰度 μ,然后:

T(x,y) = μ(x,y) - C

C 是一个常数偏移量,用来微调敏感度。如果 C=5,意味着“比局部均值暗 5 个灰度级的才算背景”。citeweb_search:6#3web_search:6#4

自适应均值阈值

是

否

当前像素 (x,y)

提取邻域
blockSize×blockSize
如 11×11

计算局部均值 μ

T = μ - C

当前像素 > T?

输出 maxval

输出 0

blockSize 的选择
  • 太小(如 3×3):局部均值被噪声主导,结果斑驳。
  • 太大(如 101×101):局部均值趋于全局均值,失去“自适应”意义。
  • 推荐:根据目标尺寸选。如果文字笔画宽约 10 像素,blockSize 选 2×笔画宽 + 1 = 21,确保窗口覆盖足够的背景统计量。

2.7.3.2 ADAPTIVE_THRESH_GAUSSIAN 的加权局部与 σ 影响

我们继续之前的问题。 均值阈值把邻域内所有像素一视同仁,但离中心远的像素应该权重更低,对吧?

高斯加权局部阈值

ADAPTIVE_THRESH_GAUSSIAN 用高斯核给邻域像素加权,再计算加权均值:

T(x,y) = WM(x,y) - C

其中 WM 是高斯加权均值。中心像素权重最高,边缘像素权重按高斯钟形衰减。citeweb_search:6#3web_search:6#4

邻域窗口

均值版本
uniform 权重
方块平均

高斯版本
Gaussian 权重
中心重边缘轻

边界响应: 硬
噪声敏感

边界响应: 软
过渡自然

为什么高斯更好?
  • 边缘保留:均值阈值在跨越强边缘时,窗口内同时包含前景和背景,均值被拉偏,导致边缘附近出现“伪影”。高斯加权降低了远处像素的干扰,边缘定位更准。
  • 噪声抑制:高斯加权天然抑制高频噪声(相当于内置了轻度平滑)。

在 OpenCV 中,高斯版本的 σ 由 blockSize 自动推导(σ = 0.3 × ((blockSize-1)/2 - 1) + 0.8),不需要手动设置。但如果你自己实现,可以调整 σ 来控制钟形的宽窄。


2.7.3.3 块尺寸与 C 值对光照不均的补偿效果

现在我们已经了解了两种自适应阈值。 但 blockSize 和 C 到底怎么配合?

C 值:敏感度旋钮
  • C 太大:阈值偏低,暗噪声被误判为前景,出现“胡椒盐”假阳性。
  • C 太小(甚至负值):阈值偏高,前景的暗部被误判为背景,出现“腐蚀”效果。
  • 经验:从 C=2 开始调,每次增减 2,观察结果。
光照不均的补偿原理

想象一个从左到右渐变暗的背景。全局阈值会在左侧漏掉背景、在右侧吞掉前景。自适应阈值把图像切成很多小窗,每扇窗内部的背景灰度近似均匀,局部均值就能自适应地跟踪这个渐变。

光照补偿示意

渐变背景
左亮右暗

全局阈值 T=128
左侧: 背景过亮→误为前景
右侧: 前景过暗→误为背景

自适应阈值
局部均值跟踪渐变
每区域自校准

✗ 失败

✓ 成功
前景一致提取

关键洞察:自适应阈值不是魔法。如果光照变化频率高于 blockSize 的空间分辨率(比如一个窗口内同时有强光和阴影),它也会失效。这时需要更大的 blockSize,或者先做一次光照归一化(如顶帽变换)。


2.7.4 分水岭算法:把图像当成地形图

在继续之前,让我们跳出阈值的思维。 阈值分割假设“前景亮、背景暗”,但如果物体内部有孔洞、物体之间粘连,阈值只能给我们一块块粘连的“饼”。分水岭算法的思路是:把图像看作地形海拔图,水从种子点漫灌,相遇处筑坝,堤坝就是边界。

2.7.4.1 梯度幅值作为地形表面与汇水盆地

直觉:边缘是山脊,内部是盆地

我们先计算图像的梯度幅值(如 Sobel 或形态学梯度)。梯度小的地方(平坦区域)是“盆地”,梯度大的地方(边缘)是“山脊”。然后我们把梯度图取反(或用负梯度),让山脊变成高峰、盆地变成低谷。

原始图像

梯度计算
Sobel / 形态学梯度

梯度幅值图
边缘 = 高
内部 = 低

取反或反转
边缘 = 高峰
内部 = 盆地

地形表面
汇水盆地

汇水盆地(Catchment Basin)

每个局部极小值(盆地最低点)是一个“水源”。水从该点开始上涨,逐渐淹没周围像素。当两个不同水源的水即将汇合时,算法在它们之间筑起一道“分水岭线”(Watershed Line)。这些线构成了分割边界。citeweb_search:6#11

关键问题:如果直接用原始图像的局部极小值做水源,噪声会导致成千上万个极小值——过度分割(Over-segmentation)。这就是为什么需要“标记控制”。


2.7.4.2 标记控制(marker)的交互式分割与背景标记

标记:人工指定的“合法水源”

标记控制分水岭(Marker-Controlled Watershed)的核心是:不把所有局部极小值当水源,只把用户或算法指定的标记点当水源。citeweb_search:6#9web_search:6#11

标记通常分三类:

  • 前景标记(Foreground Markers):物体内部的种子点,通常由距离变换的局部极大值或形态学操作生成。
  • 背景标记(Background Markers):物体外部的点,通常是图像边框或膨胀后的前景补集。
  • 未知区域(Unknown):剩下的像素,由分水岭算法判决归属。

标记控制流程

二值前景
粘连物体

距离变换
DT 图

局部极大值
前景标记

膨胀前景
补集 = 背景标记

标记图
1=前景, 2=背景
0=未知

分水岭算法
在未知区域筑坝

分割结果
边界 = 堤坝

OpenCV 的实现细节

cv2.watershed 的输入是一个 32 位有符号整数标记图:

  • 标记 > 0:已知的种子区域(不同整数代表不同物体)。
  • 标记 = 0:未知区域,待分割。
  • 标记 = -1:通常由算法在输出中填充,表示“分水岭边界”。

背景标记通常设为 1,前景标记从 2 开始编号。算法执行后,边界像素被标记为 -1,可以用蓝色等高线可视化。citeweb_search:6#11


2.7.4.3 过度分割问题与区域合并后处理策略

现在我们已经了解了标记控制。 但即使有了标记,有时还是过度分割(一个物体被切成几块)或分割不足(两个物体粘在一起)。怎么办?

过度分割的成因
  1. 标记过多:距离变换的局部极大值检测太敏感,一个物体内有多个峰值。
  2. 梯度噪声:梯度图不平滑,山脊上有小凹陷,导致水提前汇合。
对策一:H-minima 变换

在距离变换图上,抑制深度小于 h 的局部极小值。浅盆地被填平,多个邻近峰值合并成一个。citeweb_search:6#11

对策二:区域合并(Region Merging)

分水岭后,如果两个相邻区域的平均颜色/纹理差异很小,就把它们合并。常用准则:

  • 颜色相似度:区域平均灰度差 < 阈值。
  • 边界强度:它们之间的分水岭线梯度幅值 < 阈值(弱边界 = 假边界)。

是

否

分水岭结果
过度分割

区域邻接图
RAG

区域相似度
> 阈值?

合并区域
更新 RAG

保留边界

迭代直到收敛

对策三:形态学后处理
  • 开运算:去除过度分割产生的小碎片。
  • 面积过滤:删除像素数 < N 的区域,视为噪声。

2.7.5 GrabCut 交互分割:从矩形框到像素级精修

在继续之前,让我们再升一级。 前面所有方法都假设“前景和背景可区分”,但如果前景是只花斑猫,背景是花地毯,颜色高度重叠,怎么办?GrabCut 的回答是:让用户画个框,算法用概率模型 + 图割迭代地“猜”出精确边界。

2.7.5.1 高斯混合模型(GMM)的前景/背景颜色建模

直觉:颜色不是单一值,是一个分布

传统阈值说“像素灰度 > T 就是前景”。但花斑猫的毛色有黑、白、橙三种。用一个阈值 impossible。GrabCut 用 高斯混合模型(GMM) 来描述前景和背景的颜色分布:每个颜色簇用一个高斯分布近似,多个高斯叠加成“混合模型”。citeweb_search:6#7web_search:6#10web_search:6#12

GMM 颜色建模

前景像素颜色
RGB 空间

K-means 聚类
K=5 个簇

每个簇拟合
高斯分布
N(μ, Σ)

GMM 概率密度
P(color|FG)

背景像素
同样建 GMM

P(color|BG)

GMM 的数学表达

前景 GMM:

P(c | FG) = Σi=1K πi · N(c | μi, Σi)

其中 K 通常取 5(OpenCV 默认值),πi 是混合权重。每个高斯有完整的协方差矩阵 Σ,能捕捉颜色各通道间的相关性。

关键步骤:

  1. 用 K-means 把已标记的前景像素聚成 K 簇。
  2. 每簇初始化一个高斯分布。
  3. 通过 EM 算法迭代优化 π, μ, Σ,直到收敛。citeweb_search:6#10

2.7.5.2 矩形初始化与掩码精修(GC_INIT_WITH_RECT/MASK)

两种初始化模式

OpenCV 的 cv2.grabCut 支持两种初始化:

GC_INIT_WITH_RECT:用户画一个矩形,矩形内部全部标记为“可能前景(PR_FGD)”,外部全部标记为“确定背景(BGD)”。这是最快的启动方式,适合物体大致在画面中央的场景。citeweb_search:6#10web_search:6#12

GC_INIT_WITH_MASK:用户提供一个详细掩码,可以标记:

  • cv2.GC_BGD(0):确定背景
  • cv2.GC_FGD(1):确定前景
  • cv2.GC_PR_BGD(2):可能背景
  • cv2.GC_PR_FGD(3):可能前景

这适合迭代精修:第一次用矩形初始化,得到粗略分割;用户在错误区域涂抹修正,生成新掩码,再用 GC_INIT_WITH_MASK 继续优化。

GC_INIT_WITH_RECT

GC_INIT_WITH_MASK

用户交互

初始化方式

矩形内部 = PR_FGD
外部 = BGD
快速启动

像素级掩码
BGD/FGD/PR_BGD/PR_FGD
精修迭代

GrabCut 迭代
GMM + Graph Cut

输出掩码
0 或 1


2.7.5.3 迭代图割(Graph Cut)能量最小化与收敛判定

现在我们已经了解了 GMM 建模和初始化。 但 GrabCut 的核心引擎是图割(Graph Cut)。它把图像分割转化为一个能量最小化问题,用 Min-Cut/Max-Flow 算法求解。

能量函数:数据项 + 平滑项

总能量:

E(α, k, θ, z) = U(α, k, θ, z) + V(α, z)

  • 数据项 U:像素属于前景/背景的“代价”。如果像素颜色在前景 GMM 下概率高、在背景 GMM 下概率低,则标为前景的代价小。

    U = Σn [-log P(zn | αn, kn, θ)]

  • 平滑项 V:相邻像素标不同标签的“惩罚”。如果两个相邻像素颜色很像,它们被标为不同类别的代价高(鼓励边界沿颜色突变处走)。

    V = Σ(m,n) γ · [αn ≠ αm] · exp(-β||zm-zn||2)

其中 β 由图像对比度自动计算,γ 控制平滑强度。citeweb_search:6#7web_search:6#10

图割能量模型

图像像素
图节点

源节点 S
代表前景

汇节点 T
代表背景

t-link 权重
数据项 U
-log P(z|FG/BG)

n-link 权重
平滑项 V
邻域颜色差

Min-Cut / Max-Flow
最小割 = 最优分割

迭代流程

GrabCut 不是一次到位的,而是迭代精修:

  1. 初始化:用矩形或掩码标记已知像素,训练初始 GMM。
  2. Step 1 - 分配:每个未知像素根据当前 GMM,被分配到最可能的高斯分量。
  3. Step 2 - 学习:根据新的分配,重新估计 GMM 参数(EM 算法的 M 步)。
  4. Step 3 - 分割:用更新后的 GMM 构建图,运行 Min-Cut,得到新的分割。
  5. 收敛判定:如果本次分割与上次相比变化像素数 < 阈值(或达到最大迭代次数),停止。citeweb_search:6#10

GrabCut 迭代循环

否

是

初始化 GMM
矩形/掩码

Step 1
像素→高斯分量
argmin D

Step 2
重估计 GMM
μ, Σ, π

Step 3
建图 + Min-Cut
新分割

收敛?

输出最终掩码

结构化伪代码:GrabCut 迭代分割

Algorithm GrabCut
Input:  彩色图像 Z, 初始掩码/矩形, 迭代次数 iterCount
Output: 前景掩码 α ∈ {0, 1}

// 初始化
if 使用矩形 then
    矩形外 α ← BGD, 矩形内 α ← PR_FGD
else if 使用掩码 then
    按掩码初始化 α
end

// 用已知前景/背景像素训练初始 GMM
θ<sub>FG</sub> ← InitializeGMM(Z, {n | α<sub>n</sub> = FGD})
θ<sub>BG</sub> ← InitializeGMM(Z, {n | α<sub>n</sub> = BGD})

for iter ← 1 to iterCount do
    // Step 1: 分配高斯分量
    for each n with α<sub>n</sub> ∈ {PR_FGD, PR_BGD} do
        k<sub>n</sub> ← argmin<sub>k</sub> D(α<sub>n</sub>, k<sub>n</sub>, θ, z<sub>n</sub>)
        // D = -log P + log π<sub>k</sub>
    end

    // Step 2: 更新 GMM 参数
    θ<sub>FG</sub> ← LearnGMM(Z, {n | α<sub>n</sub> = FGD or (α<sub>n</sub> = PR_FGD and k<sub>n</sub> assigned)})
    θ<sub>BG</sub> ← LearnGMM(Z, {n | α<sub>n</sub> = BGD or (α<sub>n</sub> = PR_BGD and k<sub>n</sub> assigned)})

    // Step 3: 构建图并分割
    建图 G = (V, E)
    对每个像素 n:
        添加 t-link 到源 S 和汇 T,权重由 -log P(z<sub>n</sub>|FG/BG) 决定
    对每对邻域像素 (m,n):
        添加 n-link,权重由平滑项 V 决定

    α<sub>new</sub> ← MinCut(G)   // 返回每个像素属于 S(前景) 或 T(背景)

    // 收敛判定
    if |α<sub>new</sub> ⊕ α| < ε then
        break
    end
    α ← α<sub>new</sub>
end

return α

闭环总结:这一切在训练 / 实际使用中意味着什么?

好了,我们已经走完了从全局阈值到 GrabCut 迭代精修的完整分割旅程。 让我们把散落的珠子串起来:

  1. 全局阈值是“应急方案”,不是“通用方案”:THRESH_BINARY 在受控环境下(扫描文档、工业视觉)极快极稳,但一旦光照变化就崩溃。永远先检查直方图是不是双峰,再决定用不用手动阈值。

  2. Otsu 是“免费午餐”,但只在特定餐厅供应:它在双峰直方图上表现完美,计算开销极小(O(256)),是自动化流程的首选。但遇到单峰、类别不平衡或光照不均时,它会自信地给出错误答案。学会识别 Otsu 的失效模式,比学会调用它更重要。

  3. 自适应阈值是 Otsu 的“局部补丁”:blockSize 决定了它跟踪光照变化的空间分辨率,C 决定了它对局部对比度的敏感度。高斯加权版本在边缘定位上明显优于均值版本,值得默认使用。

  4. 分水岭是“粘连物体”的克星,但标记质量决定生死:距离变换生成的前景标记 + 膨胀生成的背景标记,是标准流水线。H-minima 变换和区域合并是抑制过度分割的必备后处理。不要裸跑分水岭。

  5. GrabCut 是“交互式分割”的工业标准:矩形初始化 → GMM 建模 → 图割优化 → 掩码精修,这个循环在 Photoshop 的魔棒工具、医学影像的 ROI 提取、电商的自动抠图中无处不在。它的收敛速度很快(通常 5~10 次迭代),因为 EM + Min-Cut 的组合具有指数级收敛特性。

延伸阅读:

  • N. Otsu, “A Threshold Selection Method from Gray-Level Histograms,” IEEE TSMC, 1979.(Otsu 原始论文,类间方差最大化)
  • F. Meyer and S. Beucher, “Morphological Segmentation,” Journal of Visual Communication and Image Representation, 1990.(分水岭算法原始定义)
  • C. Rother, V. Kolmogorov, and A. Blake, “GrabCut: Interactive Foreground Extraction using Iterated Graph Cuts,” ACM TOG, 2004.(GrabCut 原始论文,SIGGRAPH)
  • Y. Boykov and G. Funka-Lea, “Graph Cuts and Efficient N-D Image Segmentation,” IJCV, 2006.(图割在视觉中的全面综述)
  • R. C. Gonzalez and R. E. Woods, “Digital Image Processing,” 4th Ed., Pearson, 2018.(阈值与分割章节,教材标准)

写在最后:分割是计算机视觉的“原罪”——没有完美的自动分割,只有对场景假设最匹配的分割。全局阈值假设光照均匀,Otsu 假设双峰直方图,自适应阈值假设局部平稳,分水岭假设梯度有意义,GrabCut 假设用户愿意画个框。理解这些假设的边界,你就能在面对任何图像时,选出那个“最不错误”的工具。我们下次见。

CV笔记5:图像分割之最大类间方差法、自适应阈值分割(基于python-opencv实现) 目录 一、简介 二、最大类间方差法(大津法) 2.1 最大类间方差法原理 2.2 基于opencv的实现(简单阈值分割、Otsu阈值分割) 三、自适应阈值分割 参考 一、简介 图像阈值化分割是一种传统的最常用的图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量,而且... 阅读详情

相关推荐

读书笔记-opencv-阈值分割

读书笔记-opencv-阈值分割 ​ 阈值分割处理主要是灰度值信息提取前景,所以对前景物体与背景物体有较强的对比度的图像的分割特别有用,对对比度很弱的图像进行阈值分割,需要先进行对比度增强,在进行阈值处理。常用的两种:全局阈值分割和自适应局部阈值分割。 全局阈值分割 全局阈值分割指的是将灰度值大于thresh(阈值)的图像设为白色,小于或者等于thresh的像素设为黑色;或者反只。 假设输入图像...

aaron1996123456的博客 1218

opencv学习笔记10:阈值分割

像素图 原始图像像素图 见下面 红色线:标注一条阈值线 二进制阈值化 首先设定一条阀值线 如127 大于127的像素点灰度值设为最大(如unit8的格式为255) 小于127的像素点灰度值设为0 9.png) 反二进制阈值化 首先设定一条阀值线 如127 大于127的像素点灰度值设为最小为0 小于127的像素点灰度值设为最大(如unit8的格式为255) 截断阈值化 首先选定一个阀值,大于该阈值的像素点呗设定为该阈值,小于该阈值的不变 如:阈值127,大于127的像素点值为127;小于127的不变

总裁余(余登武)博客 2973

opencv 阈值分割

opencv 阈值分割int _tmain(int argc, _TCHAR* argv[]) { gsrcimage=cvLoadImage("lena.jpg",CV_LOAD_IMAGE_GRAYSCALE); gcannyimage=cvCreateImage(cvGetSize(gsrcimage),IPL_DEPTH_8U,1); cvNamedWindow("lena",CV_WINDOW_AUTOSIZE); cvNamedWindow("canny",CV_WINDOW_AUTOSIZE); int nThresholdEdge=1; cvCreateTrackbar("threhold","canny",&nThresholdEdge,100,on_trackbar); cvShowImage("lena",gsrcimage);

OpenCV:详解阈值分割的处理

阈值分割是图像处理中非常实用的操作,对我们提取目标区域,使图像信息更加简单(0和1)来加速后续的处理速度。 Targets 使用固定阈值、自适应阈值”二值化”图像 OpenCV函数:cv2.threshold(), cv2.adaptiveThreshold() Simple Thresholding 固定阈值 固定阈值分割很直接,一句话说就是像素点值大于阈值一个值,小于阈值是另外一个值。 cv2.threshold()用来实现阈值分割,ret是return value缩写,代表当前的阈值,暂

Vermont_的博客 6175

单片机OTA升级:Bootloader如何多重校验保障APP完整性?

本文详细介绍了单片机OTA升级中Bootloader如何通过CRC校验、数字签名、版本比对和存储位置检查等多重校验机制保障APP完整性。CRC校验作为快速检测数据完整性的核心手段,结合其他安全措施有效防止设备变砖和安全漏洞,确保远程升级的可靠性。

l3m4n的博客 981

AGV、RGV、四向车openTCS调度系统(三)车辆适配器解读,封装自己的适配器

AGV、RGV、四向车调度。理解适配器的整体作用,以及如何使用官方例子改造自己的适配器,

要这头发有何用 3613

【OpenCV】OpenCV基础教程(5)—— 阈值分割

5. 阈值分隔 5.1 全局阈值分隔 全局阈值分割指的是将灰度值大于 thresh(阈值)的像素设为白色,小于或者等于 thresh 的像素设为黑色;或者反过来,将大于 thresh 的像素设为黑色,小于或者等于 thresh 的像素设为白色,两者的区别只是呈现形式不同。 OpenCV提供的函数如下: double cv::threshold(cv::InputArray src, cv::OutputArray dst, double thresh, double maxval, int type)

Quentin的博客 5547

Matlab蒙特卡洛模拟二维伊辛模型相变过程

一、什么是伊辛模型 伊辛(Ising)模型是描述磁系统相变最简单的模型,但模型里自旋之间的相互作用赋予了它奇妙的特性,最有趣的就是对称性破缺。这一模型可以被推广用于研究连续的量子相变、基本粒子超弦理论、动力学临界行为等,甚至被认为可以描述深林火灾、交通拥堵、舆论传播等社会经济现象。 如图,每个格点的方向只有向上或向下两者状态,但临近的自旋之间有相互作用,而且点阵可以是一维、二维、三维、甚至更高维...

http://www.icfgblog.com/ 2万+

opencv阈值分割

基本的阈值分割有下面这几种: 按图中由上到下的顺序是: 1.二进制阈值化(准确说是二值阈值化,因为这种情况下像素灰度取值只有两种,但并不是只能为0和1,实际上最大值是调用函数时自行规定的)。这种情况下如果两个取值是0和255那么就是当像素灰度大于阈值时变为255(白色),小于等于阈值都会变成0(黑色),对应的正是二值图像。 2.反二进制阈值化(是上面那种情况的反例) 3.截断阈值化 当大于阈值...

naruhina的博客 1811

FPGA远程更新实战:Multiboot双镜像配置与Flash分区策略

本文详细介绍了FPGA远程更新中Multiboot双镜像的配置与实现,重点对比了XDC约束和ICAPE2原语两种配置方案的优缺点及适用场景。提供了基于W25Q128 Flash的非对称分区策略、MCS文件生成与烧写方法,并深入探讨了远程更新的流程容错处理与可靠性优化建议,帮助开发者构建稳定可靠的FPGA远程更新系统。

ss78901的博客 839

告别Root!用Termux+ADB在Android上玩转自动化(保姆级教程)

本文详细介绍了如何在非Root环境下使用Termux和ADB实现Android自动化操作,无需Root权限即可运行自动化脚本。通过Termux搭建Linux终端环境,结合ADB无线调试和Python脚本,实现点击、滑动、截图等自动化功能,适用于定时任务、自动签到等场景。

weixin_42548888的博客 542

12基于opencv的固定阈值分割_自适应阈值分割

固定阈值分割、自适应阈值分割 一、threshold()函数 1.1 threshold()函数各参数详解 doublethreshold(InputArray src, OutputArray dst, double thresh, double maxval, int type) Ø  第一个参数,InputArray类型的src,输入数组,填单通道 , 8或32位浮点类型的

净无邪博客 1万+

把核心变干净的代价与回报:为什么推动 Clean Core,几乎绕不开 SAP Integration Suite 与 API Management

Clean Core的核心价值在于构建可持续升级的ERP系统架构,其关键不在于减少代码或限制扩展,而是通过解耦和治理实现系统边界的清晰划分。这一理念将推动企业从传统的"私搭乱建"式集成向平台化工程转型,而SAP Integration Suite和API Management正是实现这一转型的核心组件。 Integration Suite作为集成中枢,通过统一平台、可复用内容库和事件驱动架构,将碎片化连接转变为标准化能力;API Management则负责建立接口治理体系,通过统一入口、

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 247

opencv图像阈值分割

一、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,基于次可完成图像的二值化。 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 thr...

HC_DATA的博客 3160

第16课:动手实战中文句法依存分析

句法分析是自然语言处理(NLP)中的关键技术之一,其基本任务是确定句子的句法结构或者句子中词汇之间的依存关系。主要包括两方面的内容:一是确定语言的语法体系,即对语言中合法句子的语法结构给予形式化的定义;另一方面是句法分析技术,即根据给定的语法体系,自动推导出句子的句法结构,分析句子所包含的句法单位和这些句法单位之间的关系。 句法分析被用在很多场景中,比如搜索引擎用户日志分析和关键词识别,比如信息抽...

春华秋实 2438

AEJoy —— 最受欢迎的 5 个 Ae 表达方式

NOTE] 原文作者我意识到表达式可能令人生畏,有些人宁愿复制粘贴有用的代码,而不愿学习这门语言。对此我完全理解。因此,我想与您分享我的。这些是我几乎在每个项目中都会使用的表达式,我认为它们极大地提升了工作流程。

ShaderJoy 的兴趣技术杂货铺 366

demo:图像处理 matlab实现迭代法全局阈值分割和局部自适应阈值分割

全局阈值分割

不知语冰 3万+

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

自适应阈值分割

1.原理        最简单的阈值分割即为手动设置阈值对图像进行二值化,大于设定的阈值像素值设置为255,小于设定阈值则为0.这种方法一般称为全局阈值分割,接下来想介绍的是一种局部阈值分割算法,其原理很简单,通俗地讲就是图片的每个局部都会通过处理得到一个阈值,这个区域就用这个阈值来进行分割,同理,每个区域都有不同的阈值来处理,...

August的博客 9282

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

实验五.图像阈值分割

图像的阈值分割处理

2502_90927560的博客 1018

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

OpenCV-Python 多种阈值分割方法(已验证)

OpenCV-Python 多种阈值分割方法(已验证)

Vertira的博客 1615

阈值分割

阈值分割 简介: 图像分割:1.基于阈值的分割方法,2.基于区域的分割方法3.基于边缘的分割方法 阈值分割适合于那些前景与背景有较强对比度的图,如果不明显可以增大对比度(不知道怎么弄) 方法概述: 全局阈值分割 全局指对整个图像进行,阈值分割指给定一个阈值,大于阈值就放大为255,不大于就变为零,或者可以反过来操作 这里介绍一下python中的一个语法糖: import numpy as np import cv2 as cv # src=np.array([[[123,144,156],[222,32,6

asapigi的博客 3468

8-OpenCVSharp--常见阈值分割算法使用方法(全局阈值分割、自适应阈值分割、Otsu 阈值分割、双阈值分割)

阈值分割算法在图像处理中的应用非常广泛,它们可以根据不同的图像特性(如光照变化、背景复杂度等)选择不同的阈值分割方法。

weixin_45590420的博客 2141

opencv(十二)-二值化阈值分割

索引目录1.手动阈值分割1.1 threshold()1.2 inRange2.自动阈值分割2.1 基于灰度图均值的自动分割2.2基于直方图的自动分割2.2.1 OTSU-直方图出现双峰2.2.2 Triangle-直方图出现单峰2.3 自适应阈值分割参考 1.手动阈值分割 1.1 threshold() 需要多次尝试,以经验加枚举的方式挨个测试,最终确定一个合适的阈值。但此阈值仅适用于这一特定的场景,光照等因素的改变可能导致阈值不再适用。所以,此方法适用与场景单一、固定的场合,如工业车间、流水线等机器人视

cutemypig的博客 1874

基于opencv的固定阈值分割_自适应阈值分割

阈值分割、自适应阈值分割 一、threshold()函数 1.1 threshold()函数各参数详解 doublethreshold(InputArraysrc,OutputArraydst,doublethresh,doublemaxval,inttype) Ø 第一个参数,InputArray类型的src,输入数组,填单通道 , 8或...

youandme520的专栏 595

DIP6:图像阈值分割

cv2.THRESH_TOZERO大于阈值返回当前灰度否则返回0;cv2.THRESH_TOZERO_INV 大于阈值返回0,否则返回当前灰度;thresholdType为阈值类型,有cv2.THRESH_BINARY 或者cv2.THRESH_BINARY_cv2.THRESH_BINARY_INV 大于阈值返回0,否则返回 maxval;处理像素的方法,主要有以下几种:cv2.THRESH_BINARY,大于阈值返回 maxval,否则返回0;thresh为起始阈值;如果满足条件,返回x,否则返回y。

2302_80275116的博客 1572

python+opencv实现阈值分割

程序员可以让步,却不可以退缩,可以羞涩,却不可以软弱,总之,程序员必须是勇敢的。

用余生去守护的博客 2488
上一篇: 【opencv高级教程】2.6 形态学运算
下一篇: 【opencv高级教程】3.1 角点检测
VectorShift
博客等级 码龄1年 1840粉丝 1109原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

VectorShift

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值