OpenCV的图像二值化

本文使用python实现。

全局阈值

import cv2 as cv
import numpy as np


def threshold_demo(image):  # 全局阈值
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    '''
    # 函数 cvThreshold 对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像。
    def threshold(src: Any,     # 原图像
              thresh: Any,      # 设定的阈值
              maxval: Any,      # 使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值
              type: Any,        # threshold_type
              dst: Any = None) -> None
    
    本函数支持的对图像取阈值的方法由 threshold_type 确定:
        threshold_type=CV_THRESH_BINARY:
        dst(x,y) = max_value, if src(x,y)>threshold 0, otherwise.
        
        threshold_type=CV_THRESH_BINARY_INV:
        dst(x,y) = 0, if src(x,y)>threshold; dst(x,y) = max_value, otherwise.
        
        threshold_type=CV_THRESH_TRUNC:
        dst(x,y) = threshold, if src(x,y)>threshold;   dst(x,y) = src(x,y), otherwise.
        
        threshold_type=CV_THRESH_TOZERO:
        dst(x,y) = src(x,y), if (x,y)>threshold ;  dst(x,y) = 0, otherwise.
        
        threshold_type=CV_THRESH_TOZERO_INV:
        dst(x,y) = 0, if src(x,y)>threshold ;  dst(x,y) = src(x,y), otherwise.
        
    
    类型中有个参数：CV_THRESH_OTSU是提取图像最佳阈值算法。该方法在类间方差最大的情况下是最佳的，就图像的灰度值而言，OTSU给出最好的类间分离的阈值。
    OpenCV阈值分割的几种方法：
        CV_THRESH_BINARY      =0,   value = value > threshold ? max_value : 0 
        CV_THRESH_BINARY_INV  =1,   value = value > threshold ? 0 : max_value
        CV_THRESH_TRUNC       =2,   value = value > threshold ? threshold : value
        CV_THRESH_TOZERO      =3,   value = value > threshold ? value : 0
        CV_THRESH_TOZERO_INV  =4,   value = value > threshold ? 0 : value
        CV_THRESH_MASK        =7,
        CV_THRESH_OTSU        =8    采用Otsu算法选择最优阈值;将该标志与上面的一个CV_THRESH_*值或起来
    '''
    print("threshold value %s"%ret)
    cv.imshow("threshold_demo", binary)


src = cv.imread("C:/Users/admin/Pictures/Saved Pictures/7.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
threshold_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

效果

局部二值化

def local_threshold(image):     # 局部二值化
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 25, 10)
    '''
    def adaptiveThreshold(src: Any,         # 原始图像
                      maxValue: Any,        # 预设满足条件的最大值
                      adaptiveMethod: Any,  # 指定自适应阈值算法。
                      thresholdType: Any,   # 指定阈值类型：可选择THRESH_BINARY或者THRESH_BINARY_INV两种。（即二进制阈值或反二进制阈值）。
                      blockSize: Any,       # 表示邻域块大小，用来计算区域阈值，一般选择为3、5、7......等奇数。
                      C: Any,               # 参数C表示与算法有关的参数，它是一个从均值或加权均值提取的常数，可以是负数。
                      dst: Any = None) -> None  
    其中指定自适应阈值算法参数 adaptiveMethod ：
        可选择ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C两种。
        ADAPTIVE_THRESH_MEAN_C，为局部邻域块的平均值。该算法是先求出块中的均值，再减去常数C。
        ADAPTIVE_THRESH_GAUSSIAN_C ，为局部邻域块的高斯加权和。该算法是在区域中（x，y）周围的像素根据高斯函数按照他们离中心点的距离进行加权计算，再减去常数C。
    '''
    cv.imshow("local_threshold", binary)

效果

超大图像局部二值化

def big_image_binary(image):
    print(image.shape)
    cw = 256
    ch = 256
    h, w = image.shape[:2]
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    for row in range(0, h, ch):
        for col in range(0, w, cw):
            roi = gray[row:row+ch, col:cw+col]
            dst = cv.adaptiveThreshold(roi, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 127, 20)
            gray[row:row+ch, col:cw+col] = dst
            print(np.std(dst), np.mean(dst))
    cv.imwrite("C:/Users/admin/Desktop/18_2.jpg", gray)

这里使用的大图，我只能缩小了再放上来：