### 使用 OpenCV 进行图像阈值分割 #### 基本概念 阈值分割是一种常见的图像处理技术，用于将灰度图像转换为二值图像。通过设定一个或多个阈值，可以区分目标区域和背景区域。OpenCV 提供了多种内置函数来执行这一操作。 在 Python 的 OpenCV 库中，`cv2.threshold()` 是最常用的方法之一[^1]。该方法允许用户指定不同的阈值模式以及自适应阈值算法。 --- #### 方法说明 `cv2.threshold()` 函数的基本语法如下： ```python ret, dst = cv2.threshold(src, thresh, maxval, type) ``` - `src`: 输入的单通道数组（通常是灰度图像）。 - `thresh`: 设定的固定阈值。 - `maxval`: 当像素值超过（有时低于）阈值时赋予的新值。 - `type`: 阈值类型，支持以下选项： - `cv2.THRESH_BINARY` - `cv2.THRESH_BINARY_INV` - `cv2.THRESH_TRUNC` - `cv2.THRESH_TOZERO` - `cv2.THRESH_TOZERO_INV` - `cv2.THRESH_OTSU` (结合其他类型一起使用) 对于复杂的场景，推荐使用 **Otsu 自动阈值法** 来自动计算最佳阈值[^2]。 --- #### 示例代码 下面是一个完整的 Python 示例，展示如何读取一张图片并对其进行简单的全局阈值分割和 Otsu 阈值分割。 ```python import cv2 import numpy as np # 加载原始图像并将其转换为灰度图像 image_path = 'example_image.jpg' # 替换为您自己的文件路径 original_image = cv2.imread(image_path) gray_image = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY) # 全局阈值分割 _, binary_threshold = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY) # Otsu 阈值分割 _, otsu_threshold = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # 显示结果 cv2.imshow('Original Image', original_image) cv2.imshow('Binary Threshold', binary_threshold) cv2.imshow('Otsu Threshold', otsu_threshold) cv2.waitKey(0) cv2.destroyAllWindows() ``` 此代码实现了两种主要的阈值分割方式：简单二值化和基于 Otsu 法的最佳阈值选择[^2]。 --- #### 多峰直方图的应用 当图像具有明显的多峰分布特征时，手动设置单一阈值可能无法有效分离前景与背景。此时，Otsu 阈值法能够显著提升效果。它通过最大化类间方差的方式找到最优阈值，特别适合于双模态或多模态数据集。 例如，在医学影像分析、文档扫描等领域，这种技术被广泛应用于对象检测和边缘提取。 ---