图像处理4

1、单阈值图像分割

# -- 灰度直方图呈现双峰时考虑单阈值图像分割 --

# 导入opencv库
import cv2
# 从matplotlib库导入pyplot包并赋予另一个简化名plt
from matplotlib import pyplot as plt

# 读入图片（自由选择）
img = cv2.imread('cameraman.tif', cv2.IMREAD_GRAYSCALE)
# img = cv2.imread('cameraman_256.tif', cv2.IMREAD_GRAYSCALE)

# 计算直方图并显示（大致呈现双峰）
plt.hist(img.ravel(), 256, [0,256])
plt.show() 

# 根据直方图选取合适的阀值（在直方图双峰间的低谷处大概选取一个灰度值）
threshold = 80
# 进行单阈值的图像分割
ret, im_segment = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)

# 显示原图
cv2.imshow("origin image ", img)
# 显示结果图
cv2.imshow("segment image", im_segment)

# 等待显示 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

2、自适应阈值图像分割

# -- 灰度直方图呈现多峰时考虑自适应阈值图像分割 --

# 导入opencv库
import cv2
# 从matplotlib库导入pyplot包并赋予另一个简化名plt
from matplotlib import pyplot as plt

# 读入图片
img = cv2.imread('cartoon_boy.png', cv2.IMREAD_GRAYSCALE)

# 计算直方图并显示(可以看到大致呈现多峰)
plt.hist(img.ravel(), 256, [0,256])
plt.show()

# 基于自适应阈值的图像分割（注意倒数第二个参数为奇数且大于1，否则会报错）
im_segment = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 10)

# 显示原图
cv2.imshow("origin image ", img)
# 显示结果图
cv2.imshow("segment image", im_segment)

# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()