### Otsu阈值分割算法的Python实现 Otsu阈值分割是一种基于类间方差最大化的方法，用于自动选择最佳阈值进行图像二值化处理。以下是使用Python实现并测试Otsu阈值分割的具体方法。 #### 实现步骤说明 为了实现Otsu阈值分割算法，可以手动编写代码逻辑或者利用OpenCV库中的内置函数`cv2.threshold()`完成操作。下面分别介绍两种方式： --- #### 方法一：手动生成Otsu阈值分割 可以通过遍历所有可能的灰度级作为候选阈值，并计算对应的类间方差来找到最优阈值。以下是一个完整的Python实现示例[^2]： ```python import cv2 import numpy as np from matplotlib import pyplot as plt def otsu_threshold(image): hist, bins = np.histogram(image.flatten(), 256, [0, 256]) total_pixels = image.shape[0] * image.shape[1] sum_total = np.sum(np.arange(256) * hist) weight_background = [] weight_foreground = [] mean_background = [] mean_foreground = [] var_between_classes = [] for t in range(256): w_back = np.sum(hist[:t]) / total_pixels w_forw = np.sum(hist[t:]) / total_pixels if w_back == 0 or w_forw == 0: var_between_classes.append(0) continue mu_back = (np.sum(np.arange(t) * hist[:t])) / (total_pixels * w_back + 1e-8) mu_forw = (sum_total - np.sum(np.arange(t) * hist[:t])) / (total_pixels * w_forw + 1e-8) var_between_class = w_back * w_forw * (mu_back - mu_forw)**2 var_between_classes.append(var_between_class) threshold = np.argmax(var_between_classes) return threshold # 加载灰度图像 image = cv2.imread('test_image.jpg', cv2.IMREAD_GRAYSCALE) threshold_value = otsu_threshold(image) print(f"Optimal Threshold Value: {threshold_value}") _, binary_image = cv2.threshold(image, threshold_value, 255, cv2.THRESH_BINARY) plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1), plt.imshow(image, cmap='gray'), plt.title("Original Image") plt.subplot(1, 2, 2), plt.imshow(binary_image, cmap='gray'), plt.title("Binary Image with OTSU") plt.show() ``` 上述代码实现了手动计算Otsu阈值的过程，并展示了原始图像及其经过二值化的结果。 --- #### 方法二：使用OpenCV内置功能 如果不想手动实现Otsu算法，可以直接调用OpenCV库中的`cv2.threshold()`函数，设置参数为`THRESH_OTSU`即可快速获得效果相同的二值化图像[^1]。 ```python import cv2 from matplotlib import pyplot as plt # 加载灰度图像 image = cv2.imread('test_image.jpg', cv2.IMREAD_GRAYSCALE) # 使用OpenCV自带的OTSU方法获取阈值和二值化图像 ret, binary_image = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) print(f"Threshold value used by OpenCV: {ret}") plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1), plt.imshow(image, cmap='gray'), plt.title("Original Image") plt.subplot(1, 2, 2), plt.imshow(binary_image, cmap='gray'), plt.title("Binary Image using CV2 THRESH_OTSU") plt.show() ``` 此方法更加简洁高效，适合实际项目开发场景。 --- #### 测试与验证 无论采用哪种方法，在运行程序前需准备一张待处理的灰度图片（如命名为`test_image.jpg`），将其放置于脚本所在目录下。执行代码后会显示原图以及应用Otsu阈值后的二值化效果图。通过对比可直观评估算法性能。 另外需要注意的是，当全局均值对最终极值无显著影响时，仍能得出合理的结果[^3]。 ---