Otsu分割在蝴蝶数据集上出现误差，如何优化预处理流程

Otsu分割误差通常源于其全局灰度双峰的假设不成立，蝴蝶图像存在背景杂色、翅膀纹理灰度与背景接近、光照不均等问题时，就会出现误分割，可通过以下步骤优化，达到目标论文的高精度分割效果：

• 前置灰度增强与去噪
  先对原始灰度图做高斯模糊降噪，使用5*5高斯核即可：cv2.GaussianBlur(gray_img, (5,5), 0，再用限制对比度自适应直方图均衡（CLAHE）强化前景背景的灰度差，避免普通全局均衡过度放大翅膀纹理噪声：clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8)); enhanced_gray = clahe.apply(gray_img)，处理后的灰度图直方图双峰特征会更明显，Otsu的阈值计算精度会大幅提升。
• 改用局部自适应Otsu分割
  如果数据集存在光照不均的情况，全局Otsu的单一阈值无法适配全图，可以将图像拆分为多个子块，每个子块单独做Otsu阈值计算，也可以直接使用自适应阈值分割，基于邻域灰度均值计算局部阈值：cv2.adaptiveThreshold(enhanced_gray, 255, cv2.ADAPTIVE_THRESH_OTSU, cv2.THRESH_BINARY_INV, 15, 3)，可以根据图像尺寸调整块大小和偏移参数。
• 形态学操作修正分割掩码
  初步得到二值分割结果后，用形态学操作消除噪点和孔洞：先用开运算（腐蚀后膨胀）删除背景区域的零散噪点，再用闭运算（膨胀后腐蚀）填充蝴蝶区域内部的空洞，使用椭圆形结构元适配蝴蝶的轮廓特征：kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (7,7)); mask = cv2.morphologyEx(raw_mask, cv2.MORPH_OPEN, kernel); mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)，处理后掩码的边缘会更贴合真实蝴蝶轮廓。
• 引入颜色特征辅助分割
  不要仅依赖灰度信息做分割，可以将原始RGB图像转到HSV颜色空间，提取饱和度通道，蝴蝶翅膀的饱和度通常远高于自然背景，将饱和度通道与增强后的灰度通道加权融合后再做Otsu分割，可以进一步过滤掉灰度与蝴蝶接近的背景区域。

内容的提问来源于stack exchange，提问作者Laura Galera