OpenCV 提供了基于阈值的分割技术，这是一种简单且常用的图像分割方法，其基本思想是根据像素的灰度值将图像分为不同的区域。下面详细介绍了 OpenCV 中基于阈值的分割技术：
-
全局阈值分割（Global Thresholding）：
- 在全局阈值分割中，选择一个固定的阈值，将图像中的像素分为两类：一类是大于阈值的像素，另一类是小于等于阈值的像素。
- OpenCV 中的
cv2.threshold()函数可用于执行全局阈值分割。你可以选择不同的阈值类型（如二进制阈值、反二进制阈值、截断阈值等）和阈值的取值。 - 示例代码：
import cv2
读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
全局阈值分割
_, binary_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)
显示分割结果
cv2.imshow('Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
2.自适应阈值分割（Adaptive Thresholding）：
-
自适应阈值分割是根据图像局部区域的灰度值动态地选择阈值进行分割。
-
该方法可以处理图像中不同区域的光照不均匀或对比度不一致的情况。
-
OpenCV 中的
cv2.adaptiveThreshold()函数可用于执行自适应阈值分割。你需要指定分割方法、邻域大小和常数等参数。 -
示例代码：
import cv2
读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
自适应阈值分割
binary_image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
显示分割结果
cv2.imshow('Adaptive Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
3、Otsu's 二值化（Otsu's Binarization）：
-
Otsu's 方法是一种自动选择阈值的技术，它能够找到一个最优阈值，使得分割后的两个类别之间的类内方差最小或类间方差最大。
-
OpenCV 中的
cv2.threshold()函数结合cv2.THRESH_OTSU标志可以实现 Otsu's 二值化。 -
示例代码：
import cv2
读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
Otsu's 二值化
_, binary_image = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
显示分割结果
cv2.imshow('Otsu Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()