计算机视觉应用开发课件：阈值分割

阈值分割固定阈值分割01任务自适应阈值分割02任务Ostu阈值03任务图像轮廓04任务学习目标掌握固定阈值分割，自适应阈值分割，Otsu阈值分割基于阈值分割画出图像轮廓1固定阈值分割1固定阈值分割固定阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。OpenCV中使用cv2.threshold(src,thresh,maxval,type[,dst])来实现固定阈值分割，其中ret是returnvalue缩写，代表当前的阈值。函数有4个参数：参数src：要处理的原图，一般是灰度图；参数thresh：设定的阈值；参数maxval：最大阈值，一般为255；1固定阈值分割参数type：阈值的方式，dst为目标图片，包含以下五种类型（cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO、cv2.THRESH_TOZERO_INV）。cv2.THRESH_BINARY：超过阈值部分的，取最大值maxval，否则就是0；cv2.THRESH_BINARY_INV：与BINARY的情况刚刚相反；cv2.THRESH_TRUNC：大于阈值的部分，设置为阈值，否则不变；cv2.THRESH_TOZERO:大于阈值的部分不改变，否则设置为0；cv2.THRESH_TOZERO_INV：TOZERO的反转。2自适应阈值分割2自适应阈值分割固定阈值是将整幅图片都应用一个阈值进行分割，它并不适用于明暗分布不均的图片。自适应阈值分割通俗地讲就是图片的每个局部都会通过处理得到一个阈值，这个区域就用这个阈值来进行分割。每个区域都有不同的阈值来处理，这样就适用于处理颜色分布不均的图片。OpenCV中使用cv2.adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C,dst=None)自适应阈值方法每次取图片的小部分来计算阈值，这样图片不同区域的阈值就不尽相同。其函数的参数分别为：参数src：要处理的原图；参数maxValue：最大阈值，一般为255；2自适应阈值分割参数adaptiveMethod：小区域阈值的计算方式（ADAPTIVE_THRESH_MEAN_C：小区域内取均值，ADAPTIVE_THRESH_GAUSSIAN_C：小区域内加权求和，权重是高斯核）；参数thresholdType：阈值方式；参数blockSize：小区域的面积，如11就是11×11的小块；参数C：每个邻域计算出的值需要再减去c得到阈值；参数dst：最终阈值等于小区域计算出的阈值再减去此值。3Ostu阈值分割3Ostu阈值在前面固定阈值中选取了一个阈值为127进行阈值分割，那如何知道选的这个阈值效果好不好呢？答案是：不断尝试，所以这种方法在很多文献中都被称为经验阈值。Otsu阈值法就提供了一种自动高效的二值化方法。Otsu算法也称最大类间差法，有时也称之为大津算法，由大津于1979年提出，被认为是图像分割中阈值选取的最佳算法。其算法计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。它是按图像的灰度特性，将图像分成背景和前景两部分。因方差是灰度分布均匀性的一种度量，背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大，当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此，使类间方差最大分割意味着错分概率最小。Otsu阈值分割方法，选择使得类间方差最大的值作为阈值，设图像的归一化直方图为p，亮度阶为k（例如元素值取0~255，则k=256），则设3Ostu阈值Otsu阈值分割方法，选择使得类间方差最大的值作为阈值，设图像的归一化直方图为p，亮度阶为k（例如元素值取0~255，则k=256），则设

，，，期望为，，，则类间方差为4图像轮廓4图像轮廓图像阈值分割主要是针对图片的背景和前景进行分离，而图像轮廓也是图像中非常重要的一个特征信息，通过对图像轮廓的操作，就能获取目标图像的大小、位置、方向等信息。画出图像轮廓的基本思路是：先用阈值分割划分为两类图像，再去寻找轮廓。OpenCV中使用cv2.findContours(image,mode,method)函数来寻找图像轮廓，其中参数image、mode、method分别为输入的图像、轮廓搜索模式（决定了轮廓的提取方式）、轮廓近似方法（决定了如何表达轮廓）。mode轮廓的检索模式有：cv2.RETR_EXTERNAL表示只检测外轮廓；cv2.RETR_LIST表示检测的轮廓不建立等级关系；cv2.RETR_CCOMP表示建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层；cv2.RETR_TREE表示建立一个等级树结构的轮廓。4图像轮廓method轮廓的近似办法有：cv2.CHAIN_APPROX_NONE表示存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1；cv2.CHAIN_APPROX_SIMPLE表示压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息；cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS表示使用teh-Chinlchain近似算法。4图像轮廓cv2.findContours()函数的输出信息contours、hierarchy分别为返回的轮廓和图像的拓扑信息（轮廓层次）。如果想要显示出图像轮廓，还需要使用OpenCV中的cv2.drawContours(image,contours,contourIdx,color,thickness=No