Opencv学习笔记(三):图像二值化函数cv2.threshold函数详解

✅💖⚠️▶️➡️🌿🍀🍄🌟⭐❄️✅💖⚠️▶️➡️🌿🍀🍄🌟⭐❄️✅💖⚠️▶️➡️🌿🍀🍄🌟⭐❄️✅💖⚠️

图像二值化：原理、方法与实践

在图像处理领域，图像二值化是一项基础且重要的技术，它能够将复杂的图像信息简化，突出目标物体，便于后续的分析和处理。下面我们就围绕图像二值化展开详细探讨。

1. 何为图像的二值化

图像二值化主要借助 cv2.threshold 函数来实现。其核心思想是将图像上每个像素点的灰度值设定为 0 或 255，使得整个图像呈现出鲜明的黑白视觉效果，其中灰度值 0 代表黑色，灰度值 255 代表白色。

在实际的图像中，除了我们关注的目标物体和背景区域，还常常存在噪声干扰，这会给图像识别带来困难。而图像二值化的作用就是通过设定一个阈值 T，将多值的数字图像中的像素群一分为二，从而直接提取出目标图像，有效减少噪声等干扰因素的影响。

2. 常见的阈值类型

• cv2.THRESH_BINARY：在这种阈值类型下，图像中大于阈值的部分会被置为 255，小于阈值的部分则被置为 0。这样可以将高于某个灰度值的区域凸显为白色，其余部分为黑色，常用于突出图像中的明亮部分。
• cv2.THRESH_BINARY_INV：与 cv2.THRESH_BINARY 相反，大于阈值的部分被置为 0，小于阈值的部分被置为 255。此类型适用于需要突出图像中较暗部分的情况。
• cv2.THRESH_TRUNC：当图像像素的灰度值大于阈值时，该像素值会被置为设定的阈值 threshold，而小于阈值的部分则保持原样。这种方式可以限制图像中过亮部分的灰度值，使其不超过特定阈值。
• cv2.THRESH_TOZERO：小于阈值的部分被置为 0，大于阈值的部分保持不变。这有助于去除图像中较暗的背景或噪声，保留相对较亮的目标物体。
• cv2.THRESH_TOZERO_INV：与 cv2.THRESH_TOZERO 相反，大于阈值的部分被置为 0，小于阈值的部分保持不变。常用于突出图像中较暗的目标物体。
• cv2.THRESH_OTSU：当把阈值 thresh 设为 0 时，算法会自动寻找最优阈值，并将其作为第一个返回值 ret 返回。这种自适应阈值的方法无需手动设定阈值，能够根据图像的灰度分布自动确定最佳的二值化阈值，适用于图像灰度分布较为复杂的情况。

3. 函数介绍

cv2.threshold 函数的基本语法为 cv2.threshold(img, threshold, maxval, type)。

• img：表示要进行二值化处理的输入图片。
• threshold：即设定的阈值，用于划分像素的灰度值。
• maxval：当像素的灰度值大于（或小于，取决于 type 的设置）阈值时，将该灰度值赋予的值。
• type：规定当前使用的二值化方式，可选值就是上述介绍的各种阈值类型。

4. 代码实例

import cv2

image = cv2.imread('D:/pycharm/test/1.jpg')

gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
ret, binary = cv2.threshold(gray, 175, 255, cv2.THRESH_BINARY)
ret1, binaryinv = cv2.threshold(gray, 175, 255, cv2.THRESH_BINARY_INV)
ret2, trunc = cv2.threshold(gray, 175, 255, cv2.THRESH_TRUNC)
ret3, tozero = cv2.threshold(gray, 175, 255, cv2.THRESH_TOZERO)
ret4, tozeroinv = cv2.threshold(gray, 175, 255, cv2.THRESH_TOZERO_INV)
"""上面代码的作用是，将灰度图img2gray中灰度值小于175的点置0，灰度值大于175的点置255"""
cv2.imshow('original', image)
cv2.imshow('gray',gray)
cv2.imshow('binary', binary)
cv2.imshow('binaryinv', binaryinv)
cv2.imshow('trunc', trunc)
cv2.imshow('tozero', tozero)
cv2.imshow('tozeroinv', tozeroinv)

cv2.waitKey(0)

代码解析

1. 导入模块：首先导入 cv2 库，这是 OpenCV 库的 Python 接口，用于处理图像相关操作。
2. 读取图像并转换为灰度图：使用 cv2.imread 函数读取指定路径的图像文件，将其存储在 image 变量中。然后通过 cv2.cvtColor 函数将彩色图像转换为灰度图，存储在 gray 变量中。灰度图是进行二值化处理的常用输入格式。
3. 进行不同类型的二值化处理：
   • 使用 cv2.threshold 函数对灰度图 gray 进行不同类型的二值化处理。
   • 以 cv2.THRESH_BINARY 为例，将灰度值大于 175 的点置为 255，小于 175 的点置为 0，结果存储在 binary 变量中。
   • 同样的方式，对其他几种阈值类型进行处理，分别得到 binaryinv、trunc、tozero 和 tozeroinv 等不同的二值化图像。
4. 显示图像：使用 cv2.imshow 函数依次显示原始图像 original、灰度图 gray 以及各种二值化处理后的图像。
5. 等待按键：cv2.waitKey(0) 用于等待用户按下任意键，确保图像窗口保持显示状态，直到用户进行操作。

5. 运行结果

通过上述代码的运行，我们得到了不同类型二值化处理后的图像，从提供的图片可以直观地看到各种阈值类型对图像的影响。

• 原图：展示了原始的彩色图像，包含丰富的色彩和细节信息。
• gray：灰度图将彩色图像转换为单一灰度值表示，去除了色彩信息，突出了图像的亮度变化。
• binary：根据设定的阈值 175，将灰度值大于 175 的部分变为白色（255），小于 175 的部分变为黑色（0），使得图像呈现出明显的黑白对比。
• binaryinv：与 binary 相反，大于阈值的部分为黑色，小于阈值的部分为白色，图像的黑白区域与 binary 相反。
• trunc：大于阈值 175 的部分被置为 175，小于部分保持不变，图像中较亮的部分被限制在阈值范围内。
• tozero：小于阈值 175 的部分被置为 0，大于部分保持不变，突出了图像中较亮的部分。
• tozeroinv：大于阈值 175 的部分被置为 0，小于部分保持不变，突出了图像中较暗的部分。

通过这些不同的二值化结果，可以根据具体的应用需求选择最合适的阈值类型，以达到最佳的图像处理效果。
✅💖⚠️▶️➡️🌿🍀🍄🌟⭐❄️✅💖⚠️▶️➡️🌿🍀🍄🌟⭐❄️✅💖⚠️▶️➡️🌿🍀🍄🌟⭐❄️✅💖⚠️