Python+OpenCV入门教程【十】图像二值化

二值图像（Binary Image） 是指将图像上的每一个像素只有两种可能的取值或灰度等级状态，人们经常用黑白、B&W、单色图像表示二值图像
二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素灰度值不是0就是255，再无其他过渡的灰度值。

全局阈值 OpenCv的threshold函数进行全局阈值。
其函数原型为：cv.threshold(src, thresh, maxval, type[, dst]) -> retval, dst
src:表示输入图像（多通道，8位或32位浮点）。
thresh:表示阈值。
maxval:与THRESH_BINARY和THRESH_BINARY_INV阈值类型一起使用设置的最大值。
type: 阈值类型。
retval: 返回的阈值。若是全局固定阈值算法，则返回thresh参数值。若是全局自适应阈值算法，则返回自适应计算得出的合适阈值。
dst: 输出与src相同大小和类型以及相同通道数的图像。

局部阈值 OpenCV的adaptiveThreshold函数进行局部阈值。函数原型为：adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) -> dst
src：输入图像（8位单通道图像）。
maxValue：使用 THRESH_BINARY 和 THRESH_BINARY_INV 的最大值.
adaptiveMethod参数表示自适应阈值算法，平均 （ADAPTIVE_THRESH_MEAN_C）或高斯（ADAPTIVE_THRESH_GAUSSIAN_C）。
thresholdType：阈值类型，必须为THRESH_BINARY或THRESH_BINARY_INV的阈值类型。
blockSize： 块大小（奇数且大于1，比如3，5，7… ）。
C： 常数，表示从平均值或加权平均值中减去的数。 通常情况下，这是正值，但也可能为零或负值

下面展示 代码。

import cv2 as cv
import numpy as np


# 图像二值化 0白色 1黑色
# 全局阈值
def threshold_image(image):
    # 转为灰度图
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    cv.imshow("original", gray)

    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)  # THRESH_OTSU大津法 全局自适应阈值 参数0可改为任意数字但不起作用
    print("阈值：%s" % ret)
    cv.imshow("OTSU", binary)

    ret, binary = cv.threshold(gray, 0, 255,
                               cv.THRESH_BINARY | cv.THRESH_TRIANGLE)  # TRIANGLE法,，全局自适应阈值, 参数0可改为任意数字但不起作用，适用于单个波峰
    print("阈值：%s" % ret)
    cv.imshow("TRIANGLE", binary)

    ret, binary = cv.threshold(gray, 150, 255, cv.THRESH_BINARY)  # 自定义阈值为150,大于150的是白色 小于的是黑色
    print("阈值：%s" % ret)
    cv.imshow("customize", binary)

    ret, binary = cv.threshold(gray, 150, 255, cv.THRESH_BINARY_INV)  # 自定义阈值为150,大于150的是黑色 小于的是白色
    print("阈值：%s" % ret)
    cv.imshow("custom_anti_color", binary)

    ret, binary = cv.threshold(gray, 150, 255, cv.THRESH_TRUNC)  # 截断 大于150的是改为150  小于150的保留
    print("阈值：%s" % ret)
    cv.imshow("truncated1", binary)

    ret, binary = cv.threshold(gray, 150, 255, cv.THRESH_TOZERO)  # 截断 小于150的是改为150  大于150的保留
    print("阈值：%s" % ret)
    cv.imshow("truncated2", binary)

#局部阈值
def local_image(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    cv.imshow("original", gray)
    binary1 = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 25, 10)
    cv.imshow("local1", binary1)
    binary2 = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 25, 10)#高斯处理
    cv.imshow("local2", binary2)

# 自定义阈值
#求出图像均值作为阈值来二值化
def custom_image(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    cv.imshow("original", gray)
    h, w = gray.shape[:2]
    m = np.reshape(gray, [1, w*h])#化为一维数组
    mean = m.sum() / (w*h) #计算图像的均值，用均值作为阈值，来分割图像
    print("mean: ", mean)
    ret, binary = cv.threshold(gray, mean, 255, cv.THRESH_BINARY)
    cv.imshow("binary", binary)


if __name__ == '__main__':
    '''
    threshold_image()全局阈值
    '''
    # src = cv.imread("pic/cat.jpg")
    # threshold_image(src)
    # cv.waitKey(0)
    # cv.destroyAllWindows()

    '''
    local_image()局部阈值
    '''
    # src = cv.imread("pic/cat.jpg")
    # local_image(src)
    # cv.waitKey(0)
    # cv.destroyAllWindows()

    '''
    custom_image()自定义阈值
    '''
    src = cv.imread("pic/cat.jpg")
    custom_image(src)
    cv.waitKey(0)
    cv.destroyAllWindows()