局部阈值分割算法的python实现（1）

最新推荐文章于 2025-06-03 22:53:59 发布

heartinsharp

最新推荐文章于 2025-06-03 22:53:59 发布

阅读量2.3k

点赞数 4

CC 4.0 BY-SA版权

分类专栏： opencv 图像分割文章标签： python 算法计算机视觉视觉检测 opencv

本文链接：https://blog.csdn.net/heartinsharp/article/details/119108688

本文介绍了Bersen算法的原理及Python实现，通过对比原算法，进行了三点改进：使用OTSU法获取全局阈值，用图像方差代替预设参数s，以及将比较方式改为像素值与全局阈值对比。实验展示了不同窗口大小(k值)的效果，窗口越小，分割越细致。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Bersen算法

声明：本文参考于https://www.cnblogs.com/zhaopengpeng/p/13300795.html，感谢该作者的理解，并对该分割算法进行python实现。

Bersen算法原理

　　1）先人为设定两个值S与TT(Bemsen最初设S为15，TT设为128)；

2）计算以图像中任意像素P为中心的大小为k×k窗口内的所有像素的最大值M与最小值N，两者的均值T，

如果M-N大于S，则当前像素P的阈值为T；

若小于S，则表示该窗口所在区域灰度级灰度级差别较小，那么窗口在目标区或在背景区；

3）再判断T与TT的关系，若T>TT则当前点灰度值为255，否则当前点灰度值为0。

缺点：耗时大.

python代码：

import cv2
import matplotlib.pyplot as plt
from skimage import filters
import numpy as np


def Bersen(image, k=1):
    plt.imshow(image)
    plt.show()
    mean, dev = cv2.meanStdDev(image)
    print("均值：", mean, "方差：", dev)
    s = dev
    tt=filters.threshold_otsu(image)
    print(tt)