【1】引言
前序學習了5種閾值處理方法，包括(反)閾值處理、(反)零值處理和截斷處理，還學習了一種自適應處理方法，相關文章鏈接為：
python學opencv|讀取圖像（三十三）閾值處理-灰度圖像-CSDN博客
python學opencv|讀取圖像（三十四）閾值處理-彩色圖像-CSDN博客
python學opencv|讀取圖像（三十五）反閾值處理-CSDN博客
python學opencv|讀取圖像（三十六）（反）零值處理-CSDN博客
python學opencv|讀取圖像（三十七 ）截斷處理-CSDN博客
python學opencv|讀取圖像（三十八 ）閾值自適應處理-CSDN博客
在上述所有文章中，閾值開關都是自己隨機設置的，因此，實際效果可能未必是最佳。
如果有一種方法，可以讓函數自動選取最佳閾值開關，那就能時刻獲得最佳的閾值處理效果，這個方法就是：“閾值處理參數+Otsu”。
【2】官網教程
Otsu方法的說明，點擊下方鏈接可以直達：
OpenCV: Miscellaneous Image Transformations
官網頁面關于Otsu方法的說明為：
圖1
實際上，使用Otsu方法時，必須配合前述5種閾值處理方法一起進行閾值調整。因為Otsu方法本身是來輔助選擇最優的閾值開關，所以閾值處理方法還需要保留。
在下述官網示例說明中，我們會看到這一解釋：
import cv2 as cv # 引入CV模塊
import numpy as np #引入numpy模塊# 讀取圖片-直接轉化灰度圖
src = cv.imread('srcf.png',0) #讀取圖像
dst=src#輸出圖像# 讀取圖片-函數轉化灰度圖
src1 = cv.imread('srcf.png') #讀取圖像
dst1=cv.cvtColor(src1,cv.COLOR_BGR2GRAY) #轉化為灰度圖dstt=np.hstack((dst,dst1)) #兩種灰度圖拼接在一起OpenCV: Image Thresholding
圖2
【3】代碼測試
首先引入必要的模塊和原圖像：
import cv2 as cv # 引入CV模塊
import numpy as np #引入numpy模塊# 讀取圖片-直接轉化灰度圖
src = cv.imread('srcf.png',0) #讀取圖像
dst=src#輸出圖像# 讀取圖片-函數轉化灰度圖
src1 = cv.imread('srcf.png') #讀取圖像
dst1=cv.cvtColor(src1,cv.COLOR_BGR2GRAY) #轉化為灰度圖dstt=np.hstack((dst,dst1)) #兩種灰度圖拼接在一起然后進行Otsu處理，為進行對比，也做了零值處理：
#閾值處理
t2,dst2=cv.threshold(src,58,158,cv.THRESH_TOZERO) #零值-閾值開關58，閾值上限158
t3,dst3=cv.threshold(src,0,255,cv.THRESH_TOZERO+cv.THRESH_OTSU) #零值+OTSU
dsto=np.hstack((dst2,dst3)) #兩種閾值處理圖拼接在一起之后顯示圖像和保存圖像：
# 在屏幕展示效果
cv.imshow('srcdstt', dstt) # 在屏幕展示效果
cv.imshow('srcdsto', dsto) # 在屏幕展示效果#顯示BGR值
print("dst1像素數為[100,100]位置處的BGR=", dst1[100, 100]) # 獲取像素數為[100,100]位置處的BGR
print("dst2像素數為[100,100]位置處的BGR=", dst2[100, 100]) # 獲取像素數為[100,100]位置處的BGR
print("dst3像素數為[100,100]位置處的BGR=", dst3[100, 100]) # 獲取像素數為[100,100]位置處的BGR#保存圖像
cv.imwrite('srcf-dstt.png', dstt) # 保存圖像
cv.imwrite('srcf-dst2.png', dst3) # 保存圖像
cv.imwrite('srcf-dsto.png', dsto) # 保存圖像cv.waitKey() # 圖像不會自動關閉
cv.destroyAllWindows() # 釋放所有窗口此處使用的原始圖像為：
圖3
轉化后的灰度圖為：
圖4 灰度圖
進行單純零值處理和零值處理+OTSU處理后的圖像為：
圖5 單純零值處理和零值處理+OTSU處理
由圖5可見，右側為零值處理+OTSU處理后的圖像，更趨向于突出輪廓邊線。
由于OTSU處理圖像會自動選擇最佳閾值開關，所以我們輸出了特定位置的BGR值：
圖6 特定像素點BGR值
dst1為轉后的原始灰度圖，dst2為單純零值處理圖，dst3為零值處理+OTSU處理后的圖像。
由圖6可見，零值處理+OTSU處理后的圖像，自動選擇的閾值開關也沒有超過156，所以這兩個圖在像素點[100][100]處的BGR值完全相等。
【4】細節說明
使用Otsu方法的時候，依然調用cv2.threshold()函數，雖然此時Otsu會自動選擇閾值開關，但仍然需要在閾值開關的位置寫"0"。
圖7 提前設定閾值開關為0
【5】總結
掌握了python+opencv實現Otsu自動調整閾值開關的操作技巧。
?
?
)
