python 数组的hist_python 图像处理中二值化方法归纳总结

最新推荐文章于 2023-10-31 18:05:49 发布

埃里克 Eric

最新推荐文章于 2023-10-31 18:05:49 发布

阅读量407

点赞数

文章标签： python 数组的hist

本文链接：https://blog.csdn.net/weixin_28704565/article/details/113538272

版权

本文总结了Python图像处理中常见的六种二值化技术，包括opencv的简单阈值和自适应阈值，Otsu's二值化，skimage的niblack和sauvola阈值，以及IntegralThreshold方法，适用于文本检测等场景。

摘要由CSDN通过智能技术生成

在用python进行图像处理时，二值化是非常重要的一步，现总结了自己遇到过的 6种图像二值化的方法(当然这个绝对不是全部的二值化方法，若发现新的方法会继续新增)。

1. opencv 简单阈值 cv2.threshold

2. opencv 自适应阈值 cv2.adaptiveThreshold (自适应阈值中计算阈值的方法有两种：mean_c 和 guassian_c ，可以尝试用下哪种效果好)

3. Otsu's 二值化

例子:

来自 : OpenCV-Python 中文教程

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('scratch.png', 0)# global thresholdingret1, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)# Otsu's thresholdingth2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)# Otsu's thresholding# 阈值一定要设为 0 !ret3, th3 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)# plot all the images an