OPENCV之自适应阈值分割：OTSU法和TRIANGLE法

最新推荐文章于 2024-05-07 18:54:18 发布
最新推荐文章于 2024-05-07 18:54:18 发布
阅读量5.8k 收藏 20
点赞数 2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Kevin_Sun777/article/details/111193589
版权

OPENCV之自适应阈值分割：OTSU法和TRIANGLE法

在用opencv做机器视觉项目过程中用到了自适应阈值分割，起初是用一张背景为暗，目标为亮的图片（如下面左图）进行自适应阈值分割，后来用的是一张背景为亮，目标为暗的图片（如下面右图）进行自适应阈值分割。

                          

对这两张图片用同一种自适应阈值分割方法却得到了不同的分割效果：

1、OTSU法

OTSU法叫做大律法，其定义以及实现过程原理网上有许多总结，感兴趣可自

最低0.47元/天 解锁文章
Kevin_Sun777
关注
  • 2
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
【图像处理】——图像的二值化操作及阈值化操作（固定阈值法（全局阈值法——大津法OTSU和三角法TRIANGLE）和自适应阈值法（局部阈值法——均值和高斯法））
python_AI_fans的博客
07-03 1万+
即将图像的灰度值按照一定的阈值将其变成只有0（黑色）和255（白色），这样便于目标区域和背景区域分隔开，实际上一般是黑色即灰度值为0作为背景（暗域），白色即灰度值为255作为前景即目标区域（亮域） 常用方法有直接阈值法（全局5+2）、自适应阈值法（2） 自定义也是可行的，如将全局平均值、中值等作为阈值，或者局部的中值等作为阈值
基于OTSU与三角阈值的方法分割彩色图像（opencv-python）
12-22
import cv2 import matplotlib.pyplot as plt img = cv2.imread("macro-photography-of-strawberry-934066.jpg") gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # otsu阈值 (t,thresh) = cv2.threshold(gray_img,0,255,cv2.THRESH_TOZERO_INV+cv2.THRESH_OTSU) # 三角法阈值：由直方图凹凸性确定的阈值 (t,thresh1) = cv2.threshold(gray_im
计算机视觉——OpenCV Otsu阈值法原理及实现
最新发布
知来者逆的博客
05-07 1574
Otsu阈值法，也被称为大津算法，是一种在图像处理中广泛使用的自动阈值分割技术。这种方法由日本学者大津展之于1979年提出，旨在根据图像的灰度直方图来自动选择最佳全局阈值。Otsu阈值法的核心思想是最小化类内方差或最大化类间方差。预处理：对输入图像进行预处理，以减少噪声和增强图像特征。常见的预处理方法包括高斯平滑滤波，这有助于平滑图像，减少随机噪声。灰度直方图：计算图像的灰度直方图，即统计图像中每个灰度级出现的频率。直方图可以提供图像的灰度分布信息。阈值计算：这是Otsu算法的关键步骤。
opencv里的THRESH_TRIANGLE的原理
sk_的博客
03-28 4595
一张图应该就是THRESH_TRIANGLE的方法了。
12.图像二值化（OTSU和TRIANGLE自动阈值推导）
twnkie的博客
07-22 486
通过连接(0,0)和(L-1, h(L-1))两点，形成直方图的边界线段。在直方图上从最高峰处bmx到最暗对应直方图bmin构造一条直线，从bmin处开始计算每个对应的直方图b到直线的垂直距离，直到bmax为止，其中最大距离对应的直方图位置即为图像二值化对应的阈值T。大律法（OTSU）和三角法（TRIANGLE）都是基于全局阈值的图像二值化方法，它们通过计算图像灰度直方图的特征值来选择一个合适的全局阈值，将图像转换为二值图像。背景0：[0, t]，前景1：(t, L-1]。，背景0的平均灰度为。
阈值分割的三角方法以及Python实现
weixin_42272768的博客
05-18 1703
三角法计算阈值分割图像的分析以及Python实现，并与cv2的threshold函数cv2.THRESH_TRIANGLE参数进行了比较。二者的结果完全一致。
OpenCV学习30--阈值分割的OTSU算法
二毛的博客
04-12 3381
OTSU算法又叫最大类间方差阈值分割算法，也叫大津算法，是在1980年由日本的大津展之提出，是由最小二乘法推导而来，用于一些简单的阈值确定。 对于一个灰度图，我们有时候非常想把他用一个阈值将他的前景和背景区分开来。我们可以合理的假设为如果将图像的像素分布图画出来，那么图像上应该有两个峰，即前景色和背景色。在这两个峰之间肯定有一个谷，那么我们就可以将阈值设在这里，从而对图像达到一个良好的分割效果。...
OTSU二值化方法
weixin_34280237的博客
09-29 155
OTSU二值化方法是一种全局阈值分割方法，它基于类间方差最大原理。 C代码如下： #include<stdlib.h>bool tobinary(unsigned char *pImage, int width, int height, int biBitCount){ int i, j, k; int h[256]={0}; unsi...
opencv实现c++的otsu自适应阈值分割的算法描述.docx
12-16
OpenCV实现C++的Otsu自适应阈值分割算法描述 OpenCV是一个功能强大且广泛使用的计算机视觉库，提供...OpenCV实现C++的Otsu自适应阈值分割算法是一个非常有用的图像处理技术，可以广泛应用于计算机视觉和图像处理领域。
edge_new_边缘检测opencv_opencv_自适应阈值
09-11
OpenCV提供的Canny算子结合自适应阈值，能够灵活适应各种图像环境，提高边缘检测的准确性和鲁棒性。通过深入理解和实践`edge_new.py`中的代码，我们可以更深入地掌握这些技术，并应用于实际项目中。
opencv实现otsu阈值分割
03-20
Otsu阈值分割法是一种自适应的二值化方法，尤其适用于图像光照不均匀的情况。OpenCV库提供了一种简单而高效的方式来实现这一算法，它为开发者提供了强大的图像处理功能。 1. **Otsu阈值分割原理** Otsu算法基于...
Otsu双阈值分割（opencv）
05-25
Otsu双阈值分割。将图像分为三层，在根据Middle与top的关系进行二值化
opencv大津法阈值分割
08-08
在提供的`OTSU方法计算图像二值化的自适应阈值.cpp`文件中，可能包含了实现这一过程的具体代码，读者可以进一步学习和理解大津法的细节和实际应用。而`opencv大津法阈值分割.txt`可能包含有关理论解释、示例或代码...
二维自适应阈值分割
04-24
在实际的C++实现中，可能会使用OpenCV这样的开源计算机视觉库，它提供了多种阈值分割函数，包括自适应阈值函数`adaptiveThreshold()`. 这个函数允许开发者指定计算阈值的窗口大小、适应性方法（如均值或加权均值）...
图像二值化方法及适用场景分析（OTSU Trangle 自适应阈值分割）
JJBOOM425的博客
09-09 429
找到一篇讲解二值化特别简单清晰的文章，因为不好转载直接复制其原文链接。 原文链接：图像二值化方法及适用场景分析（OTSU Trangle 自适应阈值分割） ...
图像二值化的阈值求法
热门推荐
shandianfengfan的博客
10-28 1万+
图像二值化的操作，就是寻找一个合适的阈值T，把图像中所有像素值小于等于该阈值的像素点设置为一个像素值，同时把图像中所有像素值大于该阈值的像素点设置为另一个像素值。也就是说，二值化之后整幅...
图像二值化_三角阈值法
fordreaming的空间
05-04 1482
文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 图像二值化有很多方法，比较经典的为OTSU,三角阈值法，本文主要想一探三角阈值法的算法原理。 一、三角阈值法是什么？ 三角阈值法是一种自动求解图像分割阈值的算法。 二、算法原理 1.引入库 代码如下（示例）： import numpy as np import pandas as pd import matplotlib.pyplot as plt import seab
OpenCV图像阈值:简单阈值、自适应阈值、OTSU、TRIANGLE
thequitesunshine007的博客
07-26 4501
简单阈值（全局阈值） 全局阈值意味着整幅图像以一个固定的值进行分割。 阈值化，即图像的二值化处理就是讲图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。 在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值
OpenCV之图像二值寻找算法 – TRIANGLE
MachineLP的专栏
08-11 599
python代码： import cv2 as cv import numpy as np #import tensorflow as tf # tf.enable_eager_execution() # # THRESH_BINARY = 0 # THRESH_BINARY_INV = 1 # THRESH_TRUNC = 2 # THRESH_TOZERO = 3 # THRESH_TOZERO_INV = 4 # src = cv.imread("./test.png") cv.namedWin
opencv实现自适应阈值
05-26
OpenCV提供了多种方法来实现自适应阈值。 其中，最常用的方法是Adaptive Thresholding（自适应阈值），它可以根据图像的局部区域来动态地确定阈值。 下面是一个简单的OpenCV Python代码示例，演示如何使用Adaptive Thresholding实现自适应阈值： ```python import cv2 # 读取图像 img = cv2.imread('image.jpg', 0) # 应用自适应阈值 th = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2) # 显示图像 cv2.imshow('image', img) cv2.imshow('adaptive threshold', th) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个例子中，我们首先使用cv2.imread()函数读取图像。然后，我们使用cv2.adaptiveThreshold()函数将原始图像转换为二进制图像。这里，我们使用cv2.ADAPTIVE_THRESH_MEAN_C参数来指定使用均值作为局部阈值计算的方法，cv2.THRESH_BINARY参数指定将二进制图像转换为黑白图像，11和2分别表示块大小和常数。 最后，我们使用cv2.imshow()函数显示原始图像和自适应阈值图像，并使用cv2.waitKey()函数等待用户按下任意键，然后使用cv2.destroyAllWindows()函数关闭所有窗口。 需要注意的是，自适应阈值方法可以根据不同的应用场景进行调整，如块大小、常数等参数可以根据实际情况进行调整。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值