pythonopencv二值化_opencv 图像二值化详解 一文看懂各种二值化方法

本文介绍使用不同的阈值方法“二值化”图像

固定阈值分割

图解

使用固定阈值127分割图像

代码

import cv2 as cv

# 读入灰度图像

img = cv.imread('baby_g.jpg', 0)

# 阈值127分割图像

ret, th = cv.threshold(img, 127, 255, cv.THRESH_BINARY)

cv.imshow('thresh', th)

cv.waitKey(0)

cv.destroyAllWindows()

函数讲解

cv.threshold()用来实现阈值分割，ret是return value缩写，代表当前的阈值，暂时不用理会。函数有4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。

cv.threshold() 参数4阈值方式详解

实验

import cv2 as cv

import matplotlib.pyplot as plt

img = cv.imread('gradient.jpg',0)

# 应用5种不同的阈值方法

ret, th1 = cv.threshold(img, 127, 255, cv.THRESH_BINARY)

ret, th2 = cv.threshold(img, 127, 255, cv.THRESH_BINARY_INV)

ret, th3 = cv.threshold(img, 127, 255, cv.THRESH_TRUNC)

ret, th4 = cv.threshold(img, 127, 255, cv.THRESH_TOZERO)

ret, th5 = cv.threshold(img, 127, 255, cv.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.imshow(images[i], 'gray')

plt.title(titles[i], fontsize=8)

plt.xticks([]), plt.yticks([]) # 隐藏坐标轴

plt.show()

实验输出

5种不同阈值方式的输出结果

官网中的说明

官网中对于阈值方式的说明

一点说明

很多人误以为阈值分割就是二值化。从上图中可以发现，两者并不等同，阈值分割结果是两类值，而不是两个值，所以教程开头我把二值化加了引号。

自适应阈值

简介及函数说明

看得出来固定阈值是在整幅图片上应用一个阈值进行分割，它并不适用于明暗分布不均的图片。 cv.adaptiveThreshold()自适应阈值会每次取图片的一小部分计算阈值，这样图片不同区域的阈值就不尽相同。它有5个参数：

参数1：要处理的原图

参数2：最大阈值，一般为255

参数3：小区域阈值的计算方式

ADAPTIVE_THRESH_MEAN_C：小区域内取均值

ADAPTIVE_THRESH_GAUSSIAN_C：小区域内加权求和，权重是个高斯核

参数4：阈值方式（跟前面讲的那5种相同）

参数5：小区域的面积，如11就是11*11的小块

参数6：最终阈值等于小区域计算出的阈值再减去此值

实验

import cv2 as cv

import matplotlib.pyplot as plt

img = cv.imread('paojie_g.jpg',0)

# 固定阈值

ret, th1 = cv.threshold(img, 127, 255, cv.THRESH_BINARY)

# 自适应阈值

th2 = cv.adaptiveThreshold(

img, 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 15, 4)

th3 = cv.adaptiveThreshold(

img, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 15, 8)

titles = ['Original', 'Global(v = 127)', 'Adaptive Mean', 'Adaptive Gaussian']

images = [img, th1, th2, th3]

for i in range(4):

plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')

plt.title(titles[i], fontsize=8)

plt.xticks([]), plt.yticks([])

plt.show()

实验结果

上述代码输出结果

Otsu 阈值

原理及python手动实现

实验

import cv2 as cv

import numpy as np

# Read image

img = cv.imread("paojie_g.jpg",0)

# Otsu's binarization of Opencv

ret2,th2 = cv.threshold(img,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)

print("threshold >>", ret2)

# Save result

cv.imwrite("out.jpg", th2)

cv.imshow("result", th2)

cv.waitKey(0)

cv.destroyAllWindows()

实验结果

原图

Otsu二值化阈值算法结果

都看到这里了，点个赞再走呗。