三、图像阈值与平滑处理
图像阈值处理
ret,dst=cv2.threshold(src,thresh(127),maxval(255),type)
src:输入图只能输入单通道图像,通常来说为灰度图
dst:输出图
thresh:阈值
maxval:当像素值超过了阈值(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,包括以下5种类型:cv2.THRESH_BINARY;cv2.THRESH_BIANRY_INV;
cv2.THRESH_TRUNC;cv2.THRESH_TOZERO;cv2.THRESH_TOZERO_INV
1.cv2.THRESH_BINARY:超过阈值部分取maxval(最大值),否则取0;
2.cv2.THRESH_BIANRY_INV:cv2.THRESH_BINARY的反转;
3.cv2.THRESH_TRUNC:大于阈值部分设为阈值,否则不变;
4.cv2.THRESH_TOZERO:大于阈值部分不改变,否则设为0;
5.cv2.THRESH_TOZERO_INV:cv2.THRESH_TOZERO的反转;
ret.thresh1=cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)
ret.thresh2=cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY_INV)
ret.thresh3=cv2.threshold(img_gray,127,255,cv2.THRESH_TRUNC)
ret.thresh4=cv2.threshold(img_gray,127,255,cv2.THRESH_TOZERO)
ret.thresh5=cv2.threshold(img_gray,127,255,cv2.THRESH_TOZERO_INV)
titles=[‘Original Image’,‘BINARY’,‘BINARY_INV’,‘TRUNC’,‘TOZERO’,‘TOZERO_INV’]
images=[img,thresh1,thresh2,thresh3,thresh4,thresh5]
for i in range(6):
plt.subplot(2,3,i+1),plt.imshow(images[i],‘gray’)
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
图像平滑处理(卷积操作,去掉噪音点)
img=cv2.imread(‘D:/graduate/lenaNoise.png’)
cv2.imshow(‘img’,img)
cv2.waitKey(0)
cv2.destoryAllWindows()
#均值滤波:构造一个卷积核的大小,核的值都为1,比如是3×3,相当于把9个位置的值加在一起,再除以9,作为平滑处理的结果
#简单的平均卷积操作
blur=cv2.blur(img,(3,3))
cv2.imshow(‘blur’,blur)
cv2.waitKey(0)
cv2.destoryAllWindows()
处理后,可以观察到噪声变小了:
#方框滤波
#基本和均值一样,可以选择归一化
box=cv2.boxFilter(img,-1,(3,3),normalize=True)#归一化
cv2.imshow(‘box’,box)
cv2.waitKey(0)
cv2.destoryAllWindows()
#方框滤波
#基本和均值一样,可以选择归一化,容易越界
box=cv2.boxFilter(img,-1,(3,3),normalize=False)
cv2.imshow(‘box’,box)
cv2.waitKey(0)
#cv2.destoryAllWindows()
高斯滤波,离中心的近的权重大,按权重与每个数相乘,再除以9,当作平滑处理的结果
#高斯滤波
#高斯模糊的卷积核里的数值是满足高斯分布,相当于更重视中间的
aussian=cv2.GaussianBlur(img,(5,5),1)
cv2.imshow(‘aussian’,aussian)
cv2.waitKey(0)
#cv2.destoryAllWindows()
显示:
中值滤波,从小到大排序中间的值,用中间值当作平滑处理完之后的结果
#中值滤波
#相当于用中值代替
median=cv2.medianBlur(img,5)#中值滤波
cv2.imshow(‘median’,median)
cv2.waitKey(0)
#cv2.destoryAllWindows()
#展示所有的
res=np.hstack((blur,aussian,median))
cv2.imshow(‘median vs average’,res)
cv2.waitKey(0)
cv2.destroyAllWindows()
[[[125 137 226] [128 137 225] [129 137 224] … [122 145 230] [110 130 221] [ 90 99 200]] [[125 137 226] [128 137 225] [129 137 224] … [122 145 230] [110 130 221] [ 90 99 200]] [[125 137 226] [128 137 225] [129 137 224] … [122 145 230] [110 130 221] [ 90 99 200]] … [[ 81 47 103] [ 81 50 106] [ 60 25 90] … [ 79 67 173] [ 79 67 174] [ 81 68 177]] [[ 80 47 102] [ 81 50 106] [ 74 26 90] … [ 81 70 177] [ 81 70 177] [ 81 71 179]] [[ 57 22 82] [ 59 25 87] [ 75 27 90] … [ 81 71 177] [ 81 71 179] [ 81 73 181]]]