快捷導(dǎo)航

OpenCV圖像處理之圖像的二值化解讀

更新時間：2023年02月20日 17:01:30 作者：B.Bz

這篇文章主要介紹了OpenCV圖像處理之圖像的二值化解讀，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

二值化的原理

import cv2

img = cv2.imread('img/lena.jpg')
# 轉(zhuǎn)為灰度圖
new_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
height, width = new_img.shape[0:2]

# 設(shè)置閾值
thresh = 60

# 遍歷每一個像素點
for row in range(height):
    for col in range(width):
        # 獲取到灰度值
        gray = new_img[row, col]
        # 如果灰度值高于閾值 就等于255最大值
        if gray > thresh:
            new_img[row, col] = 255
        # 如果小于閾值，就直接改為0
        elif gray < thresh:
            new_img[row, col] = 0

cv2.imshow('img', new_img)
cv2.waitKey()

OpenCV提供的圖像二值化API

threshold()方法參數(shù)：

圖片矩陣
閾值
圖片中的最大值
二值化的方式

二值化的方式：

THRESH_BINARY	高于閾值改為255,低于閾值改為0
THRESH_BINARY_INV	高于閾值改為0,低于閾值改為255
THRESH_TRUNC	截斷,高于閾值改為閾值,最大值失效
THRESH_TOZERO	高于閾值不改變,低于閾值改為0
THRESH_TOZERO_INV	高于閾值該為0,低于閾值不改變

import cv2

img = cv2.imread('img/lena.jpg', cv2.IMREAD_GRAYSCALE)

thresh, new_img = cv2.threshold(img, 60, 255, cv2.THRESH_BINARY)

print(thresh)
cv2.imshow('img', img)
cv2.imshow('NEW_IMG', new_img)
cv2.waitKey()

自適應(yīng)閾值

使用一個全局值作為閾值。但是在所有情況下這可能都不太好。

如果圖像在不同區(qū)域具有不同的照明條件。

在這種情況下，自適應(yīng)閾值閾值可以幫助。這里，算法基于其周圍的小區(qū)域確定像素的閾值。

因此，我們?yōu)橥粓D像的不同區(qū)域獲得不同的閾值，這為具有不同照明的圖像提供了更好的結(jié)果。

adaptlive()方法參數(shù)：

1.圖片矩陣
2.圖片灰度最大值
3.計算閾值的方法
4.閾值類型
5.處理塊大小
6.算法所用的常量C

cv2.ADAPTIVE_THRESH_MEAN_C：該閾值是該附近區(qū)域減去恒定的平均Ç。

cv2.ADAPTIVE_THRESH_GAUSSIAN_C：閾值是鄰域值減去常數(shù)C的高斯加權(quán)和。

import cv2

img = cv2.imread('img/lena.jpg', cv2.IMREAD_GRAYSCALE)

thresh_img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 5)

cv2.imshow('thresh_img', thresh_img)
cv2.waitKey()

大津算法（最大類間方差法）

圖像分割中閾值選取的最佳算法

threshold(gaussian_img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

import cv2

img = cv2.imread('img/lena.jpg', cv2.IMREAD_GRAYSCALE)

# 使用255的閾值進(jìn)行二值化
ret, thresh_img = cv2.threshold(img, 255, 255, cv2.THRESH_BINARY)
cv2.imshow('normal', thresh_img)

# 使用高斯濾波模糊圖像  參數(shù)1： 圖片矩陣  參數(shù)2：卷積核 參數(shù)3： 越大越模糊
gaussian_img = cv2.GaussianBlur(img, (5, 5), 0)
cv2.imshow('gaussian_img', gaussian_img)

# 使用大津算法0閾值二值化經(jīng)過高斯濾波模糊后的圖像
ret, thresh_img = cv2.threshold(gaussian_img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

cv2.imshow('otsu', thresh_img)

cv2.imshow('img', img)
cv2.waitKey()

原圖：