人脸检测------超大图像二值化方法（13）

分块

• 分块处理的目的：
  当图片很大时，为了提高效率，和更好地处理大图片，我们进行分块之后进行二值化。
• 代码：

import numpy as np;
import cv2 as cv;
from matplotlib import pyplot as plt;

def big_image_binary(image):
    print(image.shape);
    cw = 64;
    ch = 64;
    h, w = image.shape[0:2];
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY);
    for row in range(0, h, cw):
        for col in range(0, w, ch):
            roi = gray[row:row + ch, col:col+cw];
            #ret, dst = cv.threshold(roi, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU);

            dst = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 127, 10);
            #采用adaptiveThreshold,利用C来消除一定的噪声.

            # gray[row:row +ch, col:col + cw] = dst;
            # print(np.std(dst), np.mean(dst));
            #可以用利用std(dst),mean(dst)做一些判断从而更好的对图像进行二值化.
    cv.imshow("big_image_binary", dst);

src = cv.imread("E:/picture/text1.jpg");
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE);
cv.imshow("input image", src);

big_image_binary(src);

cv.waitKey(0);
cv.destroyAllWindows();