关于OpenCV 从基础到深入的详解——十、图像分割

十、图像分割

（一）阈值分割

1. 全局阈值分割和局部阈值分割的原理与方法

   • 全局阈值分割：

     • 原理：全局阈值分割是基于图像的灰度直方图信息，假设图像中的目标和背景的灰度值差异较大，存在一个合适的阈值，使得灰度值高于该阈值的像素被划分为目标，灰度值低于该阈值的像素被划分为背景。
     • 方法：常用的方法包括手动选择阈值、基于灰度直方图双峰特性自动选择阈值（如当直方图呈现明显的双峰形状时，阈值可选择在双峰之间的谷底），也可以使用 Otsu 算法。Otsu 算法是一种基于类间方差最大化的自动阈值选择方法，它遍历所有可能的阈值，计算类间方差，当类间方差最大时的阈值即为最佳阈值。例如，对于一幅简单的黑白文字图像，若文字为黑色，背景为白色，通过全局阈值分割可以清晰地将文字和背景分离。

   • 局部阈值分割：

     • 原理：当图像中的光照不均匀或者目标和背景的灰度差异在不同区域不一致时，全局阈值分割效果不佳。局部阈值分割则是将图像划分为多个小区域（子块），每个子块分别计算阈值进行分割。这样可以更好地适应图像局部的灰度变化。
     • 方法：比如可以采用基于局部灰度均值和标准差的方法。计算每个子块的灰度均值和标准差，根据一定的规则确定该子块的阈值。例如，对于一幅光照不均匀的医学 X 光图像，局部阈值分割可以更准确地分割出不同组织区域。

2. 阈值分割在简单图像（如二值图像、具有明显目标 - 背景差异的图像）中的应用效果和局限性

   • 应用效果：
     • 在二值图像中，如果存在一些噪声点或者需要进一步清理图像，阈值分割可以通过调整阈值来去除或保留特定的像素。对于具有明显目标 - 背景差异的图像，如文档扫描图像（文字为黑色，背景为白色），阈值分割可以快速、有效地将目标（文字）从背景中分离出来，得到干净的文字图像，便于后续的文字识别等处理。
     • 在一些工业检测场景中，