正常一个图像分为 R、G、B、三个通道,彩色照片中的每个像素值(生活中的某一中颜色)都是由不同R、G、B的值组合在一起的,比如下面这种:
而 图片去色之后变成灰度图,也就是我们所常见的黑白照片,其实生活中所谓的 "黑白照片"有一定的歧义,仔细观察会发现里面会参杂着不同程度的灰色:
真正意义上的 黑白照片 中只有黑色跟白色,要么是白色,要么是黑色;把一张灰度图变成这样的 黑白照片 也称之为 图像的 二值化:
图像的二值化一般经过下面几个步骤:
- 图像灰度图转化,多通道变单通道;
- 设置阈值,在设置一个新值(介于黑—白之间的颜色),高于这个颜色设为新值,否则设为另外一个颜色;
- 选择调节方法阈值;
OpenCv 中有分为几类阈值:简单阈值、自适应阈值和 Otsu’s 二值化,其实这几种方法都是关于图像二值化处理:
简单阈值
简单阈值原理,设置一个阈值,高于这个阈值的图像赋予一个新值,低于这个阈值赋予另一种颜色,用到的函数主要是 cv2.threshhold();里面需要用到4个参数:第一个是需要处理的原图像;第二个是 设置的阈值,第三个是需要赋予的新的像素值;第四个参数是 不同的阈值方法:
- cv2.THRESH_BINARY;
- cv2.THRESH_BINARY_INV;
- cv2.THRESH_TRUNC;
- cv2.THRESH_TOZERO;
- cv2.THRESH_TOZERO_INV;
五种阈值方法区别如下:
为了让大家更加理解,这里分别用每种阈值方法来处理原图像,代码如下:
import cv2
import numpy as np
from matplotlib import pyplot as plt
img_path = 'D:/ceshi.jpg'
img = cv2.imread(img_path)
#灰度图转化;;;
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,th1 = cv2.threshold(img_gray,