阈值又叫临界值,是指一个效应能够产生的最低值或最高值
简单阈值
ret,dst=cv2.threshold(src,thresh,maxval,type)
-
src: 输入图,注意只能是单通道图像,通常使用灰度图
-
ret: 返回阈值
-
dst: 输出图
-
thresh: 阈值
-
maxval: 当图像像素值超过了阈值(或者小于阈值,根据 type 来决定)所赋予的值
-
type: 二值化操作的类型,包括五种类型:
cv2.THRESH_BINARY
:超过阈值部分取 maxval(最大值),低于阈值部分取 0cv.THRESH_BINARY_INV
:低于阈值部分取 maxval(最大值),超过阈值部分取 0cv.THRESH_TRUNC
: 大于阈值部分设为阈值,否则不变cv.THRESH_TOZERO
: 大于阈值部分不变,否则为 0cv2.THRESH_TOZERO_INV
: 低于阈值部分不变,否则为 0
代码:
import cv2 as cv
img=cv.imread('lena.jpg')
# 图像灰度处理
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
# 简单阈值处理
ret,dst1=cv.threshold(gray,127,255,cv.THRESH_BINARY)
ret,dst2=cv.threshold(gray,127,255,cv.THRESH_BINARY_INV)
ret,dst3=cv.threshold(gray,127,255,cv.THRESH_TRUNC)
ret,dst4=cv.threshold(gray,127,255,cv.THRESH_TOZERO)
ret,dst5=cv.threshold(gray,127,255,cv.THRESH_TOZERO_INV)
cv.imshow('original',gray)
cv.imshow('dst1',dst1)
cv.imshow('dst2',dst2)
cv.imshow('dst3',dst3)
cv.imshow('dst4',dst4)
cv.imshow('dst5',dst5)
cv.waitKey(0)
cv.destroyAllWindows()
不同简单阈值类型的对比
自适应阈值
如果图像在不同区域具有不同的光照条件。在这种情况下,自适应阈值效果更好。算法基于像素周围的小区域确定像素的阈值,因此,对于同一图像的不同区域,我们获得了不同的阈值,
这为光照度变化的图像提供了更好的结果。
dst=cv2.adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C)
-
src: 输入图,注意只能是单通道图像,通常使用灰度图
-
dst: 输出图
-
maxValue: 当图像像素值超过了阈值(或者小于阈值,根据 thresholdType 来决定)所赋予的值
-
adaptiveMethd: 决定阈值是如何计算的
cv2.ADAPTIVE_THRESH_MEAN_C
:阈值是邻近区域的平均值减去常数C。cv2.ADAPTIVE_THRESH_GAUSSIAN_C
:阈值是邻域值的高斯加权总和减去常数C -
thresholdType:
cv2.THRESH_BINARY
:超过阈值部分取 maxval(最大值),低于阈值部分取 0cv.THRESH_BINARY_INV
:低于阈值部分取 maxval(最大值),超过阈值部分取 0 -
blockSize: 确定附近区域的大小
-
C:是从邻域像素的平均或加权总和中减去的一个常数
代码:
import cv2 as cv
# 读取图像
img=cv.imread('lena.jpg')
# 图像灰度处理
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
# 自适应阈值处理
dst=cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,25,5)
cv.imshow('original',gray)
cv.imshow('adaptive',dst)
cv.waitKey(0)
cv.destroyAllWindows()
处理结果:
Otsu 阈值法
二值化操作类型:
THRESH_OTSU
: 使用 Otsu 算法选取最优阈值,可与上述任何一种 type 组合
例如: type=THRESH_OTSU+THRESH_BINARY
, 即先用 Otsu 算法自动计算出阈值,然后利用该阈值采用THRESH_BINARY
规则,默认为THRESH_BINARY
代码:
import cv2 as cv
img=cv.imread('lena.jpg')
# 图像灰度处理
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
# Otsu阈值
ret,dst=cv.threshold(gray,0,255,cv.THRESH_OTSU+cv.THRESH_BINARY)
print(ret) #控制台打印算法选取的最优阈值
cv.imshow('original',gray)
cv.imshow('Otsu',dst)
cv.waitKey(0)
cv.destroyAllWindows()
处理结果: