Python图像处理二值化方法实例汇总

 

这篇文章主要介绍了Python图像处理二值化方法实例汇总,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下,sauvola 这算法opencv 是没有，找别人实现的，一个比较少，另外担心质量问题，后来看到这个，其他工具实现的。给自己一个思路，一个工具没有时，可以考虑其他软件。

 

在用python进行图像处理时，二值化是非常重要的一步，现总结了自己遇到过的6种 图像二值化的方法（当然这个绝对不是全部的二值化方法，若发现新的方法会继续新增）。

1. opencv 简单阈值 cv2.threshold

2. opencv 自适应阈值 cv2.adaptiveThreshold (自适应阈值中计算阈值的方法有两种：mean_c 和 guassian_c ，可以尝试用下哪种效果好)

3. Otsu's 二值化

例子:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

import cv2 import numpy as np from matplotlib import pyplot as plt   img = cv2.imread('scratch.png', 0) # global thresholding ret1, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # Otsu's thresholding th2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2) # Otsu's thresholding # 阈值一定要设为 0 ! ret3, th3 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # plot all the images and their histograms images = [img, 0, th1, img, 0, th2, img, 0, th3] titles = [   'Original Noisy Image', 'Histogram', 'Global Thresholding (v=127)',   'Original Noisy Image', 'Histogram', "Adaptive Thresholding",   'Original Noisy Image', 'Histogram', "Otsu's Thresholding" ] # 这里使用了 pyplot 中画直方图的方法, plt.hist, 要注意的是它的参数是一维数组 # 所以这里使用了( numpy ) ravel 方法,将多维数组转换成一维,也可以使用 flatten 方法 # ndarray.flat 1-D iterator over an array. # ndarray.flatten 1-D array copy of the elements of an array in row-major order. for i in range(3):   plt.subplot(3, 3, i * 3 + 1), plt.imshow(images[i * 3], 'gray')   plt.title(titles[i * 3]), plt.xticks([]), plt.yticks([])   plt.subplot(3, 3, i * 3 + 2), plt.hist(images[i * 3].ravel(), 256)   plt.title(titles[i * 3 + 1]), plt.xticks([]), plt.yticks([])   plt.subplot(3, 3, i * 3 + 3), plt.imshow(images[i * 3 + 2], 'gray')   plt.title(titles[i * 3 + 2]), plt.xticks([]), plt.yticks([]) plt.show()

结果图:

4. skimage niblack阈值

5. skimage sauvola阈值 (主要用于文本检测)

例子:

https://scikit-image.org/docs/dev/auto_examples/segmentation/plot_niblack_sauvola.html

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43

import matplotlib import matplotlib.pyplot as plt   from skimage.data import page from skimage.filters import (threshold_otsu, threshold_niblack,                threshold_sauvola)     matplotlib.rcParams['font.size'] = 9     image = page() binary_global = image > threshold_otsu(image)   window_size = 25 thresh_niblack = threshold_niblack(image, window_size=window_size, k=0.8) thresh_sauvola = threshold_sauvola(image, window_size=window_size)   binary_niblack = image > thresh_niblack binary_sauvola = image > thresh_sauvola   plt.figure(figsize=(8, 7)) plt.subplot(2, 2, 1) plt.imshow(image, cmap=plt.cm.gray) plt.title('Original') plt.axis('off')   plt.subplot(2, 2, 2) plt.title('Global Threshold') plt.imshow(binary_global, cmap=plt.cm.gray) plt.axis('off')   plt.subplot(2, 2, 3) plt.imshow(binary_niblack, cmap=plt.cm.gray) plt.title('Niblack Threshold') plt.axis('off')   plt.subplot(2, 2, 4) plt.imshow(binary_sauvola, cmap=plt.cm.gray) plt.title('Sauvola Threshold') plt.axis('off')   plt.show()

结果图:

6.IntegralThreshold(主要用于文本检测)

使用方法: 运行下面网址的util.py文件

https://github.com/Liang-yc/IntegralThreshold

结果图:

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。