### 使用OpenCV和Python实现阈值分割二值化并显示直方图 以下是基于OpenCV和Python的一个完整示例，展示如何在PyCharm中使用阈值分割方法进行图像二值化，并绘制灰度直方图。 #### 实现代码 ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图像 (以灰度模式加载) img = cv2.imread("image2.png", cv2.IMREAD_GRAYSCALE) if img is None: raise ValueError("无法读取图像，请检查路径") # 阈值分割 - 使用全局阈值 Otsu 方法 ret, thresh1 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # 绘制原始图像和二值化后的图像 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.imshow(img, cmap='gray') plt.title('Original Image'), plt.xticks([]), plt.yticks([]) plt.subplot(1, 2, 2) plt.imshow(thresh1, cmap='gray') plt.title('Thresholded Image (Otsu)'), plt.xticks([]), plt.yticks([]) # 显示图像 plt.tight_layout() plt.show() # 计算并绘制灰度直方图 hist_full = cv2.calcHist([img], [0], None, [256], [0, 256]) plt.figure(figsize=(8, 4)) plt.plot(hist_full, color='r', label="Gray Histogram") plt.axvline(x=ret, color='b', linestyle='--', linewidth=1, label=f"Threshold ({ret})") # 标记阈值位置 plt.legend(loc='upper right') plt.title('Grayscale Histogram with Threshold Line') plt.xlabel('Pixel Value'), plt.ylabel('Frequency') # 显示直方图 plt.tight_layout() plt.show() ``` #### 解析 上述代码实现了以下几个功能： 1. **图像读取与预处理** 使用 `cv2.imread` 函数以灰度模式加载图像。如果图像未成功加载，则抛出异常提示用户检查路径[^3]。 2. **阈值分割** 调用 `cv2.threshold` 函数应用 Otsu 的自适应阈值算法进行二值化处理。此方法自动计算最佳阈值，适用于大多数场景中的背景分离任务。 3. **图像显示** 使用 Matplotlib 库分别显示原图和经过二值化的结果图。通过子图布局清晰对比两者的差异[^1]。 4. **直方图计算与绘图** 利用 OpenCV 提供的 `calcHist` 函数统计图像像素分布情况，并借助 Matplotlib 将其可视化。同时，在直方图中标注由 Otsu 算法得出的最佳阈值线以便直观理解[^1]。 --- ### 注意事项 - 确保安装了必要的依赖库 (`opencv-python`, `numpy`, `matplotlib`) 并配置好 PyCharm 开发环境。 - 如果输入图像过大或分辨率较高，可能会影响运行效率以及图表呈现效果，建议适当调整尺寸后再执行操作[^2]。 ---