Otsu自动阈值分割灰色背景上的米粒李雅峰56课件讲解.pptxVIP

计算机视觉应用Otsu自动阈值分割灰色背景上的米粒主讲人：李雅峰

计算机视觉应用

Otsu自动阈值分割

全局阈值算法解决手动设定阈值的局限性代码原理

项目目标与准备工作第一部分

“学什么”“备什么”

1.项目目标掌握Otsu自动阈值分割的完整流程------从图像读取到预处理去噪，再到自动阈值计算和分割效果对比，一步都不落下；1.理解Otsu算法的数学原理，掌握类间方差最大化概念；2.通过对比实验验证Otsu相比手动阈值的优势。3.

2.准备工作准备一张灰色背景上的米粒图像素材方面依赖4个核心技术核心技术高斯滤波（必要去噪）类间方差（数学原理）Otsu算法（自动阈值）对比分析（效果验证）

核心步骤拆解代码逐行解释第二部分

“为什么这么写”“参数是什么意思”

1.核心步骤拆解新建文件OpenCV核心库1.新建一个Python文件。2.先导入必要的库：

1.核心步骤拆解第一步：读取图像+格式检查表示直接读灰度图添加判断命令图片路径错了读不出来，能及时提示图像读取失败，实际项目中这种容错很重要

1.核心步骤拆解第二步：图像预处理（高斯去噪）参数里(5,5)是高斯核大小，sigmaX=1控制标准差高斯滤波因为噪声会影响Otsu算法计算最优阈值的准确性

1.核心步骤拆解第三步：Otsu自动阈值分割核心0是占位符，无实际意义；255是前景像素值算法原理：Otsu通过遍历所有可能的阈值，计算前景与背景的类间方差，选择使类间方差最大的阈值作为最优分割阈值。因为类间方差最大意味着前景和背景的区分最明显。

1.核心步骤拆解第四步：手动阈值对比实验直观展示Otsu自动阈值的优势150是经验值

1.核心步骤拆解第五步：多窗口对比显示显示原图显示去噪图显示Otsu分割结果显示手动分割结果

1.核心步骤拆解第六步：结果保存与信息输出Otsu自动计算的最优阈值,便于后续分析输出最优阈值

运行验证与结果分析第三部分

Otsu分割的关键规律适用于前景背景灰度差异小的复杂图像必须进行预处理去噪自动计算的阈值使类间方差最大

总结“自动阈值为什么优于手动”“Otsu算法怎么用”写了完整代码“复杂图像怎么分割”

总结计算机视觉落地不是靠复杂算法而是把基础技术用对地方掌握了Otsu自动阈值分割以后遇到复杂光照条件下的图像分割任务都能从容应对