opencv图像阈值分割

图像阈值

基本概念：图像阈值一般用于图像阈值分割，图像阈值即图像分割的基准，一般对象为灰度图像，基于此可完成图像的二值化。

---

全局阈值分割

opencv中提供了不同的阈值准则，以python操作opencv为例：
ret, dst = cv2.threshold(src, thresh, maxval, type)

• src：输入图，只能输入单通道图像，通常来说为灰度图
• dst：输出图，一般为二值图像
• thresh：阈值
• maxval：当像素值超过了阈值(或者小于阈值，根据type来决定)所赋予的值
• type：二值化操作的类型，包含以下5种类型：cv2.THRESH_BINARY；cv2.THRESH_BINARY_INV；cv2.THRESH_TRUNC；cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
• cv2.THRESH_BINARY 超过阈值部分取maxval(最大值)，否则取0
• cv2.THRESH_BINARY_INV THRESH_BINARY的反转
• cv2.THRESH_TRUNC 大于阈值部分设为阈值，否则不变
• cv2.THRESH_TOZERO 大于阈值部分不改变，否则设为0
• cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转

另外，type值还有两个选择，为自适应阈值算法，不是固定阈值，此时传入参数thresh不会起作用。

cv2.THRESH_OTSU 使用大津法选择最优的thresh；

cv2.THRESH_TRIANGLE 使用三角法确定thresh；

大津算法（自适应阈值算法）

• 确定最佳阈值，使背景和目标之间的类间方差最大（因为二者差异最大）
  
  $\mu$为整张图片的灰度均值，${\mu }_0$和${\mu }_1$分别为背景和目标两类的灰度均值，${\omega }_0$和${\omega }_1$分别代表两类的面积，在灰度直方图中即每一类像素的个数占所有像素个数的比例，${\omega }_0+{\omega }_1=1$，$g$为两类间的方差。
  $$\begin{gathered} \mu ={\omega }_0{\mu }_0+{\omega }_1{\mu }_1 \\ g={\omega }_0({\mu }_0-\mu {)}^2+{\omega }_1({\mu }_1-\mu {)}^2 \\ g={\omega }_0{\omega }_1({\mu }_0-{\mu }_1{)}^2 \end{gathered}$$
• 算法实现：遍历所有灰度后，计算并取最大g值所对应的灰度作为最佳阈值。

下面看看不同阈值分割准则的效果：
代码：

import cv2 #opencv读取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt#Matplotlib是RGB
%matplotlib inline 

img=cv2.imread('cat.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)
ret, thresh6 = cv2.threshold(img_gray, 0, 255, cv2.THRESH_OTSU)
ret, thresh7 = cv2.threshold(img_gray, 0, 255, cv2.THRESH_TRIANGLE)

titles = ['Original Image', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV', 'OTSU', 'TRIANGLE']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5, thresh6, thresh7]

for i in range(8):
    plt.subplot(2, 4, i + 1), plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()

运行效果：