全局阈值和自适应阈值

1、均值法

计算图片的色彩平均值,然后大于阈值的设置为255,小于阈值的设置为0。

2、OTSU

通过寻找类内最小方差:即先将图像按照色彩画出直方图。按色彩值分成两个大类,使每个类的方差最小。

3、三角法

代码如下:

def binary_segmetation_demo():
    src = cv.imread("D:/pythonTest/img/1.jpg",cv.IMREAD_GRAYSCALE)
    cv.imshow("input",src)
    ret,dst = cv.threshold(src,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)
    #ret用于接收算法得出的阈值
    cv.imshow("output",dst)
    print(ret)

上面的代码的OTSU的效果如下:

全局阈值的缺点:对光照不均匀的图像容易出现错误的二值分割。

自适应阈值是先对图像进行模糊求差值,再二值化。

代码如下:

def binary_segmetation_demo():
    src = cv.imread("D:/pythonTest/img/1.jpg",cv.IMREAD_GRAYSCALE)
    cv.imshow("input",src)
    #ret,dst = cv.threshold(src,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)
    dst = cv.adaptiveThreshold(src,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)
    #倒数第二个参数是blocks,必须是奇数
    #ret用于接收算法得出的阈值
    cv.imshow("output",dst)

上述代码的效果如下:

先去噪(用高斯模糊等)再二值化会有较好的效果,代码如下:

src = cv.GaussianBlur(src,(7,7),0)
dst = cv.adaptiveThreshold(src,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)

 

  • 1
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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