图像二值化(python+opencv)

最新推荐文章于 2024-07-29 20:47:44 发布

风先生

最新推荐文章于 2024-07-29 20:47:44 发布

阅读量1.6w

点赞数 6

分类专栏： python opencv

本文链接：https://blog.csdn.net/qq_30490125/article/details/80458500

版权

python 同时被 2 个专栏收录

30 篇文章 2 订阅

订阅专栏

opencv

6 篇文章 0 订阅

订阅专栏

定义：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

全局阈值：

Python-OpenCV中提供了阈值（threshold）函数：cv2.threshold（src, threshold, maxValue, method）
这里写图片描述
src原图：破折线为将被阈值化的值；虚线为阈值

cv2.THRESH_BINARY：大于阈值的像素点的灰度值设定为maxValue(如8位灰度值最大为255)，灰度值小于阈值的像素点的灰度值设定为0。

cv2.THRESH_BINARY_INV ：大于阈值的像素点的灰度值设定为0，而小于该阈值的设定为maxValue。
这里写图片描述
cv2.THRESH_TRUNC：像素点的灰度值小于阈值不改变，大于阈值的灰度值的像素点就设定为该阈值。

cv2.THRESH_TOZERO：像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。
这里写图片描述
cv2.THRESH_TOZERO_INV：像素点的灰度值大于该阈值的不进行任何改变，像素点的灰度值小于该阈值的，其灰度值全部变为0。

Python+opencv代码：

def getPicMinRect(pic):
    GrayImage = np.array(pic).reshape(40,40).astype(np.uint8)
    ret,thresh1=cv2.threshold(GrayImage,10,255,cv2.THRESH_BINARY)  
    ret,thresh2=cv2.threshold(GrayImage,10,255,cv2.THRESH_BINARY_INV)  
    ret,thresh3=cv2.threshold(GrayImage,10,255,cv2.THRESH_TRUNC)  
    ret,thresh4=cv2.threshold(GrayImage,10,255,cv2.THRESH_TOZERO)  
    ret,thresh5=cv2.threshold(GrayImage,10,255,cv2.THRESH_TOZERO_INV)  
    titles = ['Gray Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']  
    images = [GrayImage, thresh1, thresh2, thresh3, thresh4, thresh5]  
    for i in xrange(6):  
       plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')  
       plt.title(titles[i])  
       plt.xticks([]),plt.yticks([])  
    plt.show()

这里写图片描述

自适应阈值：

当同一幅图像上的不同部分的具有不同亮度时。这种情况下我们需要采用自适应阈值。此时的阈值是根据图像上的每一个小区域计算与其对应的阈值。因此在同一幅图像上的不同区域采用的是不同的阈值，从而使我们能在亮度不同的情况下得到更好的结果。
Python-OpenCV中提供了阈值（threshold）函数：cv2.adaptiveThreshold(src, maxValue, adaptive_method, threshold_type, block_size, param1)

好吧，这玩意的threshold_type其实就两种:CV_THRESH_BINARY, CV_THRESH_BINARY_INV
adaptive_method也有两种: CV_ADAPTIVE_THRESH_MEAN_C, CV_ADAPTIVE_THRESH_GAUSSIAN_C

函数 cvAdaptiveThreshold 将灰度图像变换到二值图像，采用下面公式：

switch(threshold_type):
    case CV_THRESH_BINARY:
        if src(x,y)>T(x,y):
            dst(x,y) = maxValue
        else:
            dsy(x,y) = 0
    case CV_THRESH_BINARY_INV:
        if src(x,y)>T(x,y):
            dst(x,y) = 0
        else:
            dsy(x,y) = maxValue

其中 T(x,y)为当前像素点单独计算的阈值

对方法 CV_ADAPTIVE_THRESH_MEAN_C，先求出block中的均值，再减掉param1。

对方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C ，先求出block中的加权和(gaussian)，再减掉param1。

Python+opencv代码：

def getPic(pic):
    GrayImage = np.array(pic).reshape(40,40).astype(np.uint8)
    th1 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,3,5) 
    th2 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,3,50)
    th3 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,3,5)
    th4 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,3,50) 
    titles = ['Gray Image', 'Adaptive Mean prama1=5',  
    'Adaptive Mean prama1=50', 'Adaptive Gaussian prama1=5','Adaptive Gaussian prama1=50']  
    images = [GrayImage, th1, th2, th3, th4]  
    for i in xrange(5):  
       plt.subplot(2,3,i+1),plt.imshow(images[i])  
       plt.title(titles[i])  
       plt.xticks([]),plt.yticks([])  
    plt.show()