【OpenCV】44 自适应阈值算法

44 自适应阈值算法

代码

import cv2 as cv
import numpy as np

# 自适应方法类型：
# ADAPTIVE_THRESH_GAUSSIAN_C = 1
# ADAPTIVE_THRESH_MEAN_C = 0

src = cv.imread("../images/text1.png")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)
h, w = src.shape[:2]

# 自适应阈值分割 adaptiveThreshold
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 25, 10)
cv.imshow("binary", binary)

result = np.zeros([h, w*2, 3], dtype=src.dtype)
result[0:h,0:w,:] = src
result[0:h,w:2*w,:] = cv.cvtColor(binary, cv.COLOR_GRAY2BGR)
cv.putText(result, "input", (10, 30), cv.FONT_ITALIC, 1.0, (0, 0, 255), 2)
cv.putText(result, "adaptive threshold", (w+10, 30), cv.FONT_ITALIC, 1.0, (0, 0, 255), 2)
cv.imshow("result", result)
cv.imwrite("D:/binary_result.png", result)

cv.waitKey(0)
cv.destroyAllWindows()

实验结果

解释

OpenCV中的自适应阈值算法主要是基于均值实现，根据计算均值的方法不同分为盒子模糊均值与高斯模糊均值，然后使用原图减去均值图像，得到的差值图像进行自适应分割，相关的API如下：

	dst	=	cv.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]	)

• maxValue：分配给满足条件的像素的非零值
• aptiveMethod：要使用的自适应阈值算法，请参见AdaptiveThresholdTypes。
• thresholdType：阈值类型必须为THRESH_BINARY或THRESH_BINARY_INV。
• blockSize ：用于计算像素阈值的像素邻域的大小：3、5、7，依此类推。
• C：从平均值或加权平均值中减去的常数。通常，它是正的，但也可能是零或负的。

自适应方法类型：
ADAPTIVE_THRESH_GAUSSIAN_C = 1
ADAPTIVE_THRESH_MEAN_C = 0

当阈值操作类型thresholdType为：THRESH_BINARY
二值图像 = 原图 – 均值图像 > -C ? 255 : 0

当阈值操作类型thresholdType为：THRESH_BINARY_INV
二值图像 = 原图 – 均值图像 > -C ? 0 : 255

---

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。