OpenCV（15）–图像二值化

1. 全局二值化

图像二值化就是将图像上的像素点的灰度值设置为0或255，这样将使整个图像呈现出明显的黑白效果。灰度处理后就能够二值化了，这是方便图像处理的重要步骤，对轮廓有要求的很有效。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。
OpenCV提供了全局固定阈值和局部自适应阈值的函数来实现二值化图像。
全局二值化方法(Global Binariztion Method) 对每一幅图计算一个单一的阀值。灰度级大于阈值的像素被标记为背景色，否则为前景。
局部二值化方法(Local Adaptive Binarization Method) 以像素的邻域的信息为基础来计算每一个像素的阈值。其中一些方法还会计算整个图像中的一个阈值面。如果图像中的一个像素(x,y)的灰度级高于在(x,y)点的阈值面的计算值，那么把像素(x,y)标记为背景，否则为前景字符。

源代码：

import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread('C://Users//47463//Desktop//2//carid.jpg',0)

ret,thresh1 = cv.threshold(img,120,255,cv.THRESH_BINARY)
ret,thresh2 = cv.threshold(img,120,255,cv.THRESH_BINARY_INV)
ret,thresh3 = cv.threshold(img,120,255,cv.THRESH_TRUNC)
ret,thresh4 = cv.threshold(img,120,255,cv.THRESH_TOZERO)
ret,thresh5 = cv.threshold(img,120,255,cv.THRESH_TOZERO_INV)

titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

• threshold(src, thresh, maxval, type, dst=None) 参数介绍：src原图片，thresh阈值，maxval图像中最大值，
  type：
  0: THRESH_BINARY 当前点值大于阈值时，取Maxval,否则设置为0
  1: THRESH_BINARY_INV 当前点值大于阈值时，设置为0，否则设置为Maxval
  2: THRESH_TRUNC 当前点值大于阈值时，设置为阈值，否则不改变
  3: THRESH_TOZERO 当前点值大于阈值时，不改变，否则设置为0
  4: THRESH_TOZERO_INV 当前点值大于阈值时，设置为0，否则不改变
  
  
  第一张是原始图片，原始图片为一张渐变图片最右边为纯白，最左边为纯黑，闸值选的为‘127’ ，在做BINARY变换时，大于127的值全部变成黑色，小于127的值全部变白。BINARY_INV变换，正好相反，大于127的变白，大于127的变黑。
• matplotlib的相关教程信息可参考：
  https://blog.csdn.net/qq_33208851/article/details/95613929
  https://www.runoob.com/numpy/numpy-matplotlib.html

2. 局部（自适应）二值化

源代码：

import cv2

img = cv2.imread("C://Users//47463//Desktop//2//carid.jpg")

gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

gauss = cv2.GaussianBlur(gray, (3, 3), 1)

maxvalue = 255

def onaptivethreshold(x):
    value = cv2.getTrackbarPos("value", "Threshold")
    if(value < 3):
        value = 3
    if(value % 2 == 0):
        value = value + 1
    args = cv2.adaptiveThreshold(gauss, maxvalue, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, value, 1)
    gaus = cv2.adaptiveThreshold(gauss, maxvalue, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, value, 1)
    cv2.imshow("Args", args)
    cv2.imshow("Gaus", gaus)

cv2.namedWindow("Threshold",cv2.WINDOW_NORMAL)

cv2.createTrackbar("value", "Threshold", 0, 10, onaptivethreshold)

cv2.imshow("Threshold", img)

cv2.waitKey(0)

• def adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C,dst=None)
  maxval： Double类型的，阈值的最大值
  adaptiveMethod： Int类型的，这里有两种选择
  1 —— ADAPTIVE_THRESH_MEAN_C（通过平均的方法取得平均值）
  2 —— ADAPTIVE_THRESH_GAUSSIAN_C(通过高斯取得高斯值)
  不过这两种方法最后得到的结果要减掉参数里面的C值
  thresholdType： Int类型的，方法如下：
  THRESH_BINARY 二进制阈值化 -> 大于阈值为1 小于阈值为0
  THRESH_BINARY_INV 反二进制阈值化 -> 大于阈值为0 小于阈值为1
  THRESH_TRUNC 截断阈值化 -> 大于阈值为阈值，小于阈值不变
  THRESH_TOZERO 阈值化为0 -> 大于阈值的不变，小于阈值的全为0
  THRESH_TOZERO_INV 反阈值化为0 -> 大于阈值为0，小于阈值不变
  blockSize：Int类型的，这个值来决定像素的邻域块有多大。
  注意：这里的blockSize的值要为奇数，否则会给出这样的提示：
  Assertion failed (blockSize % 2 == 1 && blockSize > 1) in cv::adaptiveThreshold
  C：偏移值调整量，计算adaptiveMethod用到的参数。

更多文章：https://blog.csdn.net/qq_33208851/article/details/95237054