基于Python的Opencv学习

基于Python的Opencv学习第六天

这是我学习Opencv的第六天，来看看今天给大家介绍的内容吧。

阈值分割

一.基础理论

阈值很容易理解，就通俗来说就是一个标准，所有东西都得和这个标准进行比较，从而得到大于阈值和小于阈值两部分，然后再分别作出不同处理。

这是Opencv官网上面一张图，接下来，我们将对这幅图进行介绍，来了解阈值几种不同的阈值分割。

首先来看一下原始图像像素值分布图：

其中纵坐标代表像素值的大小，从0~255，红色线代表着阈值，像素点的大小分布在阈值两侧，最大达到255，最小达到0。

来看看常见的五种阈值化分割：

Ⅰ.二进制阈值化
这种分割
先要选定一个特定的阈值量，比如：128
新的阈值产生的规则是：
①大于等于128的像素点的灰度值设定为最大值（最大值如8位灰度值最大为255）
②灰度值小于128的像素点的灰度值设定为0

公式为：

示例：选定阈值为128
159—>255
105—>0
205—>255
98—>0

这里对比上下两幅图可以看到，从锯齿型图变成了方波型图。

Ⅱ.反二进制阈值化
该阈值化和二进制阈值化相似，先选定一个特定的灰度图为阈值（以8位灰度图为例）：
大于等于阈值的设定为0
小于阈值的设定为255


这里不做过多赘述，就是和二进制阈值化结果取反。

Ⅲ.截断阈值化
这个阈值化是，首先选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。
示例：阈值选取为127，则
小于127的阈值保持不变
大于等于127的像素点设定为该阈值127

这里就是在图形上面体现截断阈值化。

Ⅳ.反阈值化为零
这里的阈值化为零就是：
先选定一个阈值，然后进行如下处理：
大于等于该阈值的像素点，值变为0；
小于该阈值的像素点，值保持不变。
示例：选定阈值为128
159—>0
105—>105
205—>0
98—>98


这里我们看到大于等于阈值的像素点全都为零

Ⅴ.阈值化为零
理解了反阈值化为零之后，来讲阈值化为零就方便多了。这个阈值化为零就是：
先选定一个阈值，然后对图像进行如下处理：
大于等于阈值的像素点，其值保持不变
小于该阈值的像素点，值变为0


这里和阈值化为零，以及反二进制化阈值结合起来理解就相当容易，我就不过多赘述。

二.图像阈值threshold及实现阈值分割

在图像阈值分割时，我们需要调用threshold（），具体语法如下：

retval,dst=cv2.threshold(src,thresh,maxval,type)

来讲一下返回值含义：
retval：阈值，此处阈值和thresh一致，即指定阈值多少将得到阈值多少；
dst：处理结果，这里指我们对一幅图像进行处理之后得到的结果图像。

来看一下各个参数含义：
src：需要处理的原图像
thresh：指我们设定的阈值
maxval：指我们阈值分割时候的指定的最大值（可以是1或者255）
type：指在上述讲的五种类型分割中选一种

Ⅰ.二进制阈值化
在二进制阈值化中，关键字是cv2.THRESH_BINARY

示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY)

>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY)
>>> cv2.imshow("a",a)
>>> cv2.imshow("b",b)
>>> 

这里我们可以看到左边为原始灰度图像a，右边是进行二进制阈值化之后得到的图像b，这里超过阈值127的变为最大值255（即纯白色），小于阈值127的变为最小值0（即纯黑色）。因为在opencv中最小值0代表纯黑，最大值255代表着纯白，这在我第一篇博客就讲到过。

Ⅱ.反二进制阈值化
在二进制阈值化中，关键字是cv2.THRESH_BINARY_INV

示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY_INV)

>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY_INV)
>>> cv2.imshow("b",b)
>>> cv2.imshow("a",a)
>>> 

这里大于阈值的像素点处理为最小值0，小于或者等于阈值的像素点处理为最大值255，结果展示如上两幅图。

Ⅲ.截断阈值化
在二进制阈值化中，关键字是cv2.THRESH_TRUNC
示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_TRUNC)

>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_TRUNC)
>>> cv2.imshow("b",b)
>>> cv2.imshow("a",a)
>>> 

这里截断阈值化值的是所有大于等于阈值的像素点变成阈值的值，所有小于阈值的值保持不变。所有右上图看出，白的部分全都变成了阈值要求的灰色，而黑色部分没有改变。

Ⅳ.反阈值化为零
在二进制阈值化中，关键字是cv2.THRESH_TOZERO_INV
示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO_INV)

>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>>> cv2.imshow("a",a)
>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO_INV)
>>> cv2.imshow("b",b)
>>> 

这里大于阈值的像素点变为最小值0，小于等于阈值的像素点保持不变，导致右上图中，大部分白色部分均变成了黑色（即最小值0）。

Ⅴ.阈值化为零
在二进制阈值化中，关键字是cv2.THRESH_TOZERO
示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO)

>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO)
>>> cv2.imshow("b",b)
>>>cv2.imshow("a",a)

这里小于阈值像素点的部分变为最小值0（即最黑色），而大于等于阈值的像素点的值保持不变。

今天只讲了阈值分割的概念和代码实现，代码比较简单，只要弄懂参数意思就能实现想要的结果，如果有不明白最好要结合概念来理解。OK，今天就到这里，我们下一篇博客再见。（转载注明出处）