11、利用大津算法完成一张图片的前景分割

最新推荐文章于 2024-11-06 09:36:15 发布

董董灿是个攻城狮

最新推荐文章于 2024-11-06 09:36:15 发布

阅读量471

点赞数

CC 4.0 BY-SA版权

分类专栏： CV视觉算法入门与调优文章标签：算法

本文链接：https://blog.youkuaiyun.com/dongtuoc/article/details/134492648

CV视觉算法入门与调优专栏收录该内容

104 篇文章 ¥59.90 ¥99.00

订阅专栏

超级会员免费看

本文通过介绍大津算法的核心思想，展示了如何在Python中实现图像的前景和背景分割。通过遍历像素阈值，寻找使类间方差最大的分割点，将图片分为两类。使用该算法处理一张具有丰富细节的图像，前景被标记为白色，背景为黑色。代码可在cv_learning_from_scratch的Gitee仓库获取。对于更复杂的图像分割任务，可能需要采用其他图像分割算法。

上一篇文章介绍了大津算法，总的来说，大津算法的核心思想就两个：

数学上，通过确定一个像素阈值，来将图片中的像素分为两类，一类前景、一类背景，然后计算两类图像的类间方差，使方差最大。

工程实现上，为了确定像素阈值，采用遍历的方法来实现。

代码实现

下面通过一个python代码来实现对一张图片的前景和背景的分割：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('luna.jfif', cv2.IMREAD_GRAYSCALE)

# 大津算法找到最佳阈值
_, thresholded = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 使用 Matplotlib 显示原始图像和分割结果
plt.subplot(121), plt.imshow(image, cmap='gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(thresholded, cmap='gray')
plt.title('Segmented Image'), plt.xticks([]), plt.yticks([])

plt.show()

我们选取了一张在图像处理领域很流行的图片来做测试，这种图片之所有有名，是因为图像中含