6、閾值分割

      閾值分割主要是根據灰度值資訊提取前景，所以對前景物體有較強對比度的影象的分割特別有用。在OpenCV中通過呼叫cv2.threshold()實現閾值分割。

      全閾值分割：將灰度值大於thresh的畫素設為白色，小於或等於thresh的畫素設為黑色；反之也行，只不過表現形式不同。

      區域性閾值分割：針對輸入矩陣的每一個位置的值都有相對應的閾值，這些閾值構成了和輸入矩陣同等尺寸的矩陣thresh。

      熵閾值計算：通過計算所有分割閾值下的影象總熵，找到最大的熵，將最大熵對應的分割閾值作為最終的閾值。

首先計算影象I的累加概率直方圖，又稱零階累積矩，記為：

      計算各個灰度級的熵，記為：

      計算使f(t)=f1(t)+f2(t)最大化的t的值，該值即為得到的閾值。

        
      Otsu閾值分割：

      首先計算灰度直方圖的零階累積矩，

      計算灰度直方圖的一階累積矩，

      計算影象I的總體灰度平均值mean，其實就是k=255時的一階累積矩，mean=oneCumuMoment(255)

      計算每一個灰度級作為閾值時，前景區域的平均灰度、前景區域的平均灰度與整幅影象的平均灰度的方差。對方差的衡量採用以下度量：

      找到上述最大的，然後對應的k即為Otsu自動選取的閾值，

      自適應閾值：

      首先對影象進行平滑，平滑的結果記為，平滑一般採用高斯平滑，均值平滑，中值平滑。

通過自適應矩陣

        一般令ratio=0.15。

7、形態學處理：

      腐蝕：，結構元S與影象做與運算，如果都為1，則結果為1，否則為0。腐蝕的結果是影象較小一圈。在OpenCV中通過cv2.erode()實現。

      膨脹：，結構元S與影象做或運算，如果有一個為1，則結果為1，否則為0（都為0，結果為0）。膨脹的結果是影象擴大一圈。在OpenCV中通過cv2.dilate()實現。

      開運算：，先腐蝕在膨脹的過程。它具有消除亮度較高的細小區域、在纖細點處分離物體，對於較大物體可以在不明顯改變其面積的情況下平滑其邊界等作用。

      閉運算：，先膨脹在腐蝕的過程。它具有填充白色物體內細小黑色空洞的區域、連線臨近物體、同一個結構元、多次迭代處理，也可以在不明顯改變其面積的情況下平滑其邊界等作用。

      頂帽變換：，影象減去開運算的結果。它可以消除暗背景下的較量其區域，如果用原圖減去開運算結果，就可以得到原圖中灰度較亮的區域，可以用來校正不均勻光照。

      底帽變換：，影象減去閉運算的結果。它可以刪除較高亮度背景下的較暗區域，那麼用原圖減去閉運算結果，可以得到原圖中灰度較暗的區域。

      形態學梯度：，膨脹後的影象減去腐蝕後的影象，從而提取物體的邊界。

      以上5中形態學變換的功能實現可以通過呼叫OpenCV中的cv2.morphologyWx()實現。依次輸入的是影象矩陣，選擇何種形態學運算，形態學處理的結構元，結構元的錨點，迭代次數。不同的結構元選取，處理後的形態學效果不同。