OpenCV——11图像二值化

图像二值化

• 二值图像
• 图像二值化方法
• OpenCV中图像二值化方法
• 超大图像二值化

1.二值图像：

• 0代表黑色，1代表白色

2.图像二值化方法

• 全局阈值
• 局部阈值

3.OpenCV中图像二值化方法

• OTSU
• Triangle
• 自动与手动

说明：

• 当图像直方图中只有一个波峰的时候，cv.THRESH_TRIANGLE效果比较好，当有多个波峰时效果很差，常用于细胞图像处理领域

cv.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)

• cv.ADAPTIVE_THRESH_MEAN_C：把图像分成一个个小的方格，计算出每个方格的均值，然后大于该均值的是白色，小于的是黑色
• cv.ADAPTIVE_THRESH_G_C：求均值时带上高斯权重，这样得到的均值更有效，也就是最中心的权重最大，这样就考虑了像素位置空间因素的影响
• blockSize必须是奇数
• 每个位置的像素值与均值之差大于C，才设白色，否则是黑色，目的是防止局部噪声的影响

# -*- coding:utf-8 -*-
import cv2 as cv
import numpy as np

# 全局阈值
def threshold_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    print("threshold value %s"%ret)
    cv.imshow(