传统图像分割01——基于阈值的分割

weightOneMillion

于 2022-10-27 19:52:23 发布

阅读量1k

点赞数

分类专栏：图像处理文章标签： opencv 计算机视觉 python

本文链接：https://blog.csdn.net/littleyy666/article/details/127558617

版权

图像处理专栏收录该内容

6 篇文章 0 订阅

订阅专栏

背景

opencv

介绍

阈值分割法是一种基于区域的图像分割技术，原理是把图像像素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。**图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。**这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

实现

import cv2
import matplotlib.pyplot as plt
a=cv2.imread('1.jpg',0) # 读入灰度图
ret,mask = cv2.threshold(a,170,255,cv2.THRESH_BINARY) # 调节第二个参数，阈值的大小
plt.imshow(mask,cmap=plt.cm.gray)

以下是一些参考，可见文档：http://www.woshicver.com/FifthSection/4_3_%E5%9B%BE%E5%83%8F%E9%98%88%E5%80%BC/

# 全局阈值
ret1,th1 = cv.threshold(img,127,255,cv.THRESH_BINARY)
# Otsu阈值
ret2,th2 = cv.threshold(img,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)
# 高斯滤波后再采用Otsu阈值
blur = cv.GaussianBlur(img,(5,5),0)
ret3,th3 = cv.threshold(blur,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)