Al especificar CV_THRESH_OTSU se ignora el valor de umbral. De la documentación :

Además, el valor especial THRESH_OTSU puede combinarse con uno de los valores anteriores. En este caso, la función determina el valor de umbral óptimo utilizando el algoritmo de Otsu y lo utiliza en lugar de la trilla especificada . La función devuelve el valor de umbral calculado. Actualmente, el método de Otsu se implementa solo para imágenes de 8 bits.

Este código lee marcos desde la cámara y realiza el umbral binario en el valor 20.

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"

using namespace cv;

int main(int argc, const char * argv[]) {

    VideoCapture cap; 
    if(argc > 1) 
        cap.open(string(argv[1])); 
    else 
        cap.open(0); 
    Mat frame; 
    namedWindow("video", 1); 
    for(;;) {
        cap >> frame; 
        if(!frame.data) 
            break; 
        cvtColor(frame, frame, CV_BGR2GRAY);
        threshold(frame, frame, 20, 255, THRESH_BINARY);
        imshow("video", frame); 
        if(waitKey(30) >= 0) 
            break;
    }

    return 0;
}

Simplemente puede escribir el siguiente fragmento de código para convertir una imagen OpenCV en una imagen de escala de grises

import cv2
image = cv2.imread('image.jpg',0)
cv2.imshow('grey scale image',image)

Observe que la imagen.jpg y el código deben guardarse en la misma carpeta.

Tenga en cuenta que:

• ('image.jpg') da una imagen RGB
• ('image.jpg',0) da una Imagen de Escala de Grises.

Enfoque 1

Al convertir una imagen de escala de grises en una imagen binaria, generalmente usamos cv2.threshold() y establecemos un valor de umbral manualmente. A veces, para obtener un resultado decente, optamos por La binarización de Otsu.

Tengo un pequeño truco que me encontré mientras leía algunas publicaciones de blog.

1. Convierta su imagen de color (RGB) a escala de grises.
2. Obtenga la mediana de la imagen de escala de grises.
3. Elija un valor umbral 33% por encima de la mediana

¿Por qué 33%?

Esto es porque 33% funciona para la mayoría de las imágenes / conjunto de datos.

También puede trabajar en el mismo enfoque reemplazando median con el mean.

Enfoque 2

Otro enfoque sería tomar un x número de desviaciones estándar (std) de la media, ya sea en positivo o negativo; y establecer un umbral. Así que podría ser uno de los siguiente:

• th1 = mean - (x * std)
• th2 = mean + (x * std)

Nota: Antes de aplicar el umbral es aconsejable mejorar el contraste de la imagen de escala de grises localmente (Ver CLAHE).

Preste atención, si utiliza cv.CV_THRESH_BINARY significa que cada píxel mayor que el umbral se convierte en el valor máximo (en su caso 255), de lo contrario el valor es 0. Obviamente si su umbral es 0 todo se convierte en blanco (MaxValue = 255) y si el valor es 255 todo se convierte en negro (es decir, 0).

Si no quieres calcular un umbral, puedes usar el método de Otsu. Pero este algoritmo solo funciona con imágenes de 8 bits en la implementación de OpenCV. Si tu imagen es de 8 bits usa el algoritmo como esto:

cv.Threshold(im_gray_mat, im_bw_mat, threshold, 255, cv.CV_THRESH_BINARY | cv.CV_THRESH_OTSU);

No importa el valor de umbral si tiene una imagen de 8 bits.

Aquí hay un código de dos líneas que encontré en línea que podría ser útil para un principiante

# Absolute value of the 32/64
abs_image_in32_64 = np.absolute(image_in32_64)

image_8U = np.uint8(abs_image_in32_64)