(一)基于固定阈值的分割(全局)
(1)基本定义:
固定阈值的分割是 最为简单的一种图像分割方法,即选取一个全局阈值,然后就把整幅图像分成了非黑即白的二值图像。
(2)关键函数:
ret, th = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
ret : return value缩写,代表当前的阈值,暂时不用理会(用于OTSU)
th : 切割后的图像
cv2.threshold()函数有四个参数:
参数1:要处理的原图,一般是灰度图
参数2:设定的阈值
参数3:最大阈值,一般为255
参数4:阈值的方式,主要有5种:
- cv2.THRESH_BINARY : 大于阈值部分取maxval(最大值),小于阈值的取0
- cv2.THRESH_BINARY_INV : 小于阈值部分取maxval(最大值),大于阈值的取0
- cv2.THRESH_TRUNC : 大于阈值部分设为阈值,小于阈值的不变
- cv2.THRESH_TOZERO : 大于阈值部分不改变,小于阈值的取0
- cv2.THRESH_TOZERO_INV : 小于阈值部分不改变,大于阈值的取0
import cv2
import matplotlib.pyplot as plt
# 灰度图读入
img = cv2.imread('jiao.png', 0)
# 阈值分割
ret, th = cv2.threshold(img, 131, 255, cv2.THRESH_BINARY)
# cv2.imshow('thresh', th)
# cv2.waitKey(0)
# 应用5种不同的阈值方法
ret, th1 = cv2.threshold(img, 131, 255, cv2.THRESH_BINARY)
ret, th2 = cv2.threshold(img,131, 255, cv2.THRESH_BINARY_INV)
ret, th3 = cv2.threshold(img, 131, 255, cv2.THRESH_TRUNC)
ret, th4 = cv2.threshold(img, 131, 255, cv2.THRESH_TOZERO)
ret, th5 = cv2.threshold(img, 131, 255, cv2.THRESH_TOZERO_INV)
titles = ['Original', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img, th1, th2, th3, th4, th5]
# 使用Matplotlib显示
for i in range(6):
plt.subplot(2, 3, i + 1)
# plt.subplot(3,2,4) : 分成3行2列,共6个绘图区域,在第4个区域绘图。排序为行优先。也可 plt.subplot(324),将逗号省略。
plt.imshow(images[i], 'gray')
plt.title(titles[i], fontsize=8)
# plt.title(): 对图形整体增加文本标签
plt.xticks([]), plt.yticks([]) # 隐藏坐标轴
plt.show()
第一个图为灰度图,以下五幅图对应着五种不同的模式!!
注意:
GaussianBlur函数:
函数作用:对图像进行高斯滤波,去除噪声,图像预处理一般都用
语法:GaussianBlur(src,ksize,sigmaX [,dst [,sigmaY [,borderType]]])-> dst
- src输入图像;
- dst输出图像
- ksize高斯内核大小。 ksize.width和ksize.height可以不同,但它们都必须为正数和奇数,也可以为零,然后根据sigma计算得出。
- sigmaX X方向上的高斯核标准偏差。
- sigmaY Y方向上的高斯核标准差;如果sigmaY为零,则将其设置为等于sigmaX;如果两个sigmas为零,则分别从ksize.width和ksize.height计算得出;为了完全控制结果,而不管将来可能对所有这些语义进行的修改,建议指定所有ksize,sigmaX和sigmaY。