OpenCV阈值处理——摘抄官方文档

OpenCV阈值处理——摘抄官文档

写这篇文章的目的一方面是个人实践，另一方面也算是做个笔记，方便以后查询。

import cv2    //声明opencv的引用，一边能够调用OPENCV的相关函数，大部分是封装在CV2里的。

src = cv2.imread(">>>>>>>>>>.jpg")    //选择读取的文件地址+名字。

winName = “不错”   //为显示窗口取一个“不错”的名字。

cv2.imshow(winName, src)   //在窗口上显示原始图像src。

一个完整的最基本的显示功能就此实现。

 

OPENCV对于阈值处理提供了三种方式：（1）简单阈值 （2） 自适应阈值 （3）Otsu's二值化处理

相关函数：cv2.threshold,  cv2.adaptiveThreshod,  

一、简单阈值

    基本思想就是给定一个阈值，判断高于还是低于，然后做相应的处理。

实验：

ret， thresh = cv2.threshold(src, 127, 255, cv2.THRESH_TRUNC) 

 

 二、自适应阈值

简单阈值采用的是全局阈值，这样就会导致整个图像参考的是一个值，在处理过程中适应性不是很好，局部可能会造成数据全部没有，或者全部变亮。所解决这个问题可以采用局部阈值的方法：

th2 = cv2.adaptiveThreshold(drc, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,11,2)

 

 

 th3 = cv2.adaptiveThreshold(drc, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,2)

从图中可以看出很好的保留了图像的轮廓信息。

三、Otsu's二值化处理

     此方法就是寻找直方图双峰图像的方差最下阈值

src = cv2.imread("************.jpg", 0)
blur = cv2.GaussianBlur(src, (5, 5), 0)
# 计算直方图
hist = cv2.calcHist([blur], [0], None, [256], [0, 256])
hist_norm = hist.ravel()/hist.max()
Q = hist_norm.cumsum()

bins = np.arange(256)

fn_min = np.inf
thresh = -1

for i in range(1, 256):
    #  拆分数组，以i为界限
    p1, p2 = np.hsplit(hist_norm, [i])
    # 求出概率和(略有不同)
    q1, q2 = Q[i], Q[255]-[i]
    b1, b2 = np.hsplit(bins, [i])

#     找到均值和方差
    m1, m2 = np.sum((p1*b1)/q1), np.sum((p2*b2)/q2)
    v1, v2 = np.sum(((b1-m1)**2)*p1)/q1, np.sum(((b2-m2)**2)*p2)/q2

#     寻找最小值
    fn = v1*q1 + v2*q2
    if fn < fn_min:
        fn_min = fn
        thresh = i

ret, otsu = cv2.threshold(blur, thresh, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
cv2.imshow("blur", otsu)
cv2.waitKey(0)