Python实现自适应二值化

算法思想：局部二值化

全局二值化容易受阴影影响，所以可用局部二值化。自适应阈值分割的本质就是局部二值化。

步骤：

1. 某个像素值，原来是s，取其周围的n*n的区域，求该区域均值或高斯权值，记为T；

2. 如果S>T,则该像素点二值化为255，否则为0

优化：

1.在实际操作中，均值模糊或者高斯模糊，实现求区域均值或高斯均值

2. 在以上步骤中，增加参数C，C可以为任意实数，当S>T-C时，把原像素二值化为255.

3.也可以设置超参数a, 0<=a<=1,当S>(1-a)*T时，把原像素点二值化为255，通常取a=0.15

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

def showImage(name,img):
    plt.imshow(img,cmap="gray")
    plt.title(name)
    plt.show()

def AdaptiveThreshold(img):
    C=6
    win=21
    img_blur=cv.blur(img,(win,win))
    img2=np.uint8(img>img_blur-C)*255
    return img2
def AdaptiveThreshold2(img):
    alpha=0.05
    win=21
    img_blur=cv.GaussianBlur(img,(win,win),5)
    img2=np.uint8(img>(1-alpha)*img_blur)*255
    return  img2

if __name__=="__main__":
    img=cv.imread("../image/goldpig.jpg",0)
    img2=AdaptiveThreshold(img)
    img3=AdaptiveThreshold2(img)
    showImage("img", img)
    showImage("img2",img2)
    showImage("img3", img3)