opencv 阈值分割

OpenCV图像处理：阈值分割技术详解

最新推荐文章于 2022-07-11 19:30:46 发布

原创

最新推荐文章于 2022-07-11 19:30:46 发布 · 969 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #python

本文介绍了OpenCV中的阈值分割技术，包括固定阈值、自适应阈值和Otsu阈值法。固定阈值适用于全局亮度一致的图像，而自适应阈值则能应对局部亮度变化，通过计算小区域内的均值或加权值来确定阈值。Otsu阈值是一种自动计算最优阈值的算法，特别适合于背景和前景对比明显的图像。通过cv2.threshold()和cv2.adaptiveThreshold()函数可以实现这些功能。

opencv 阈值分割

同的阈值方法”二值化”图像。
使用固定阈值、自适应阈值和Otsu阈值法”二值化”图像
OpenCV函数：cv2.threshold(), cv2.adaptiveThreshold()

自适应阈值是以一个小区域进行的的

固定阈值分割
固定阈值分割很直接，一句话说就是像素点值大于阈值一个值，小于阈值是另外一个值。

cv2.threshold()用来实现阈值分割，ret是return value缩写，代表当前的阈值，暂时不用理会。函数有4个参数：
参数1：要处理的原图，一般是灰度图
参数2：设定的阈值
参数3：最大阈值，一般为255
参数4：阈值的方式，主要有5种，详情：ThresholdTypes
[url]https://docs.opencv.org/3.3.1/d7/d1b/group__imgproc__misc.html#gaa9e58d2860d4afa658ef70a9b1115576[/url]

自适应阈值
看得出来固定阈值是在整幅图片上应用一个阈值进行分割，它并不适用于明暗分布不均的图片。cv2.adaptiveThreshold()自适应阈值会每次取图片的一小部分计算阈值，这样图片不同区域的阈值就不尽相同。它有5个参数

th2 = cv2.adaptiveThreshold(
img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 4)

参数1：要处理的原图
参数2：最大阈值，一般为255
参数3：小区域阈值的计算方式
ADAPTIVE_THRESH_MEAN_C：小区域内取均值
ADAPTIVE_THRESH_GAUSSIAN_C：小区域内加权求和，权重是个高斯核
参数4：阈值方式（跟前面讲的那5种相同）
参数5：小区域的面积，如11就是11*11的小块
参数6：最终阈值等于小区域计算出的阈值再减去此值

Otsu阈值是一种高效的二值化算法，