Python图像处理（七）——图像阈值化处理

一、阈值化

图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

 一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

 

当灰度Gray小于阈值T时，其像素设置为0，表示黑色；当灰度Gray大于或等于阈值T时，其Y值为255，表示白色。

Python OpenCV中提供了阈值函数threshold()实现二值化处理,其公式余参数如下所示：

retval, dst = cv2.threshold(src, thresh, maxval, type)

参数：

retval：阈值        dst： 处理结果      src：原图像     thresh：阈值      maxval：最大值     type：类

method阈值类型一般分为五种：

•  cv2.THRESH_BINARY——大于阈值的部分像素值变为最大值，其他变为0 
• cv2.THRESH_BINARY_INV——大于阈值的部分变为0，其他部分变为最大值 
• cv2.THRESH_TRUNC——大于阈值的部分变为阈值，其余部分不变 
• cv2.THRESH_TOZERO——大于阈值的部分不变，其余部分变为0 
• cv2.THRESH_TOZERO_INV——大于阈值的部分变为0，其余部分不变

 

 二、二进制阈值化

首先设置一个阈值，例如80，则大于等于80的像素点的灰度值设定为最大值，灰度值小于80的像素点的灰度值设定为0

关键字为 cv2.THRESH_BINARY

代码如下：

import  cv2

#读取图片
image = cv2.imread("E:/pythonProject/xin.jpeg")
image1 = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#阈值处理
retval, dst = cv2.threshold(image1, 80, 255, cv2.THRESH_BINARY)


#图像显示
cv2.imshow("image", image)
cv2.imshow("dst", dst)


#等待窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下所示：

 

三、反二进制阈值化

该方法与二进制阈值化方法相似，先要选定一个特定的灰度值作为阈值，比如80。大于80的像素点的灰度值设定为0，小于该阈值的灰度值设定为255。

关键字为 cv2.THRESH_BINARY_INV

代码如下所示：

import  cv2

#读取图片
image = cv2.imread("E:/pythonProject/xin.jpeg")
image1 = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#阈值处理
retval1, dst1 = cv2.threshold(image1, 80, 255, cv2.THRESH_BINARY_INV)

#图像显示
cv2.imshow("image", image)
cv2.imshow("dst1", dst1)

#等待窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

结果输出如下所示：

该方法与与二进制阈值化方法正好相反，亮色元素反而处理为黑色，暗色处理为白色。

 

四、阶段阈值化

首先设置一个阈值，例如80，则大于等于80的像素点的灰度值设定为阈值，灰度值小于80的像素点的灰度值不变。

关键字为 cv2.THRESH_TRUNC

 代码如下所示：

import  cv2

#读取图片
image = cv2.imread("E:/pythonProject/xin.jpeg")
image1 = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#阈值处理
retval2, dst2 = cv2.threshold(image1, 80, 255, cv2.THRESH_TRUNC)

#图像显示
cv2.imshow("image", image)
cv2.imshow("dst2", dst2)

#等待窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下所示：

该方法中相当于把较亮的像素值设置为阈值，较暗的像素值保持不变。

 

五、阈值化为0

首先设置一个阈值，如80，将大于等于阈值的像素值保持不变，小于阈值数为像素值设为0。

关键字为 cv2.THRESH_TOZERO

代码如下所示：

import  cv2

#读取图片
image = cv2.imread("E:/pythonProject/xin.jpeg")
image1 = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#阈值处理
retval3, dst3 = cv2.threshold(image1, 80, 255, cv2.THRESH_TOZERO)

#图像显示
cv2.imshow("image", image)
cv2.imshow("dst3", dst3)

#等待窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

 输出结果如下所示：

该方法相当于保留了较亮像素的值，较暗的地方为0。

 

六、反阈值化为0

先是指一个阈值，例如80，大于该阈值的设为0，小于该阈值的保持不变

关键字为 cv2.THRESH_TOZERO_INV

代码如下所示：

import  cv2

#读取图片
image = cv2.imread("E:/pythonProject/xin.jpeg")
image1 = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#阈值处理
retval4, dst4 = cv2.threshold(image1, 80, 255, cv2.THRESH_TOZERO_INV)

#图像显示
cv2.imshow("image", image)
cv2.imshow("dst4", dst4)


#等待窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下所示：

对五个算法进行对比，代码如下所示：

import  cv2
import matplotlib.pyplot as plt

#读取图片
image = cv2.imread("E:/pythonProject/xin.jpeg")
# image0 = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image1 = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

#阈值处理
retval, dst1 = cv2.threshold(image1, 80, 255, cv2.THRESH_BINARY)
retval1, dst2 = cv2.threshold(image1, 80, 255, cv2.THRESH_BINARY_INV)
retval2, dst3 = cv2.threshold(image1, 80, 255, cv2.THRESH_TRUNC)
retval3, dst4 = cv2.threshold(image1, 80, 255, cv2.THRESH_TOZERO)
retval4, dst5 = cv2.threshold(image1, 80, 255, cv2.THRESH_TOZERO_INV)

#图像显示
titles = ["image1", "dst", "dst1", "dst2", "dst3", "dst4"]
images = [image1,  dst1, dst2, dst3, dst4, dst5]

for i in range(6):
    plt.subplot(2, 3, i+1), plt.imshow(images[i],'gray')
    plt.xticks([]), plt.yticks([])
    plt.title(titles[i])
plt.show()

输出结果如下所示：