weixin_43414877的博客

最近做机器视觉实验的时候偶尔会出现灰度值为负的情况，但总是不了了之，刚刚我正写着新的报告的时候：没有办法，索性趁这次机会弄个明白，我的错误代码简化如下：IplImage* num; char str[100]; //存储路径 sprintf(str, "C:/Users/Faccy/Desktop/机器视觉/实验图片/8/8-1.bmp"); num = cvLoadImage(str, 0); int w = num->width, h = num->height; for (

OTSU阈值分割OTSU阈值分割，我们先直接讲操作：找到图像灰度值的最大和最小值。遍历最小值到最大值，以每一个值为阈值进行分割。找到使得式子：w0*w1*(u0-u1)*(u0-u1)的值最大的阈值，就是我们要找的最佳阈值。是不是觉得整个过程还是挺简单的？然后我们再来看看式子中的每个变量分别代表什么：在步骤3进行分割的时候，大于阈值的像素部分，我们称为前景；小于等于阈值的则称为背景。w0 ：前景中的像素对于总像素数的占比。w1 ：背景中的像素对于总像素数的占比。u0 ：前景部分的像素

迭代阈值分割迭代阈值分割是通过迭代找出合适的阈值，再根据得到的阈值进行分割的方法。迭代找阈值的主要步骤：定义精度dt，即前后两个阈值的差值小于dt时认为找到了合适的阈值。定义初始阈值T0，一般用灰度均值。根据当前阈值T，大于T的灰度值分为一组，取其平均值m1；小于T的灰度值分为另一组，同样取其平均值m2 。得到新的阈值T = (m1 + m2) / 2 。重复步骤3和步骤4知道前后阈值差小于dt 。具体代码：（OpenCV）double dt = 5; //预定义阈值差（精度） do