OpenCV图像处理之图像的二值化解读
作者：B.Bz
这篇文章主要介绍了OpenCV图像处理之图像的二值化解读，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
图像二值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。
二值化的原理
import cv2
img = cv2.imread('img/lena.jpg')
# 转为灰度图
new_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
height, width = new_img.shape[0:2]
# 设置阈值
thresh = 60
# 遍历每一个像素点
for row in range(height):
for col in range(width):
# 获取到灰度值
gray = new_img[row, col]
# 如果灰度值高于阈值 就等于255最大值
if gray > thresh:
new_img[row, col] = 255
# 如果小于阈值，就直接改为0
elif gray < thresh:
new_img[row, col] = 0
cv2.imshow('img', new_img)
cv2.waitKey()
OpenCV提供的图像二值化API
threshold()方法参数：
- 图片矩阵
- 阈值
- 图片中的最大值
- 二值化的方式
二值化的方式：
| THRESH_BINARY | 高于阈值改为255,低于阈值改为0 |
|---|---|
| THRESH_BINARY_INV | 高于阈值改为0,低于阈值改为255 |
| THRESH_TRUNC | 截断,高于阈值改为阈值,最大值失效 |
| THRESH_TOZERO | 高于阈值不改变,低于阈值改为0 |
| THRESH_TOZERO_INV | 高于阈值该为0,低于阈值不改变 |
import cv2
img = cv2.imread('img/lena.jpg', cv2.IMREAD_GRAYSCALE)
thresh, new_img = cv2.threshold(img, 60, 255, cv2.THRESH_BINARY)
print(thresh)
cv2.imshow('img', img)
cv2.imshow('NEW_IMG', new_img)
cv2.waitKey()
自适应阈值
使用一个全局值作为阈值。但是在所有情况下这可能都不太好。
如果图像在不同区域具有不同的照明条件。
在这种情况下，自适应阈值阈值可以帮助。这里，算法基于其周围的小区域确定像素的阈值。
因此，我们为同一图像的不同区域获得不同的阈值，这为具有不同照明的图像提供了更好的结果。
adaptlive()方法参数：
- 1.图片矩阵
- 2.图片灰度最大值
- 3.计算阈值的方法
- 4.阈值类型
- 5.处理块大小
- 6.算法所用的常量C
cv2.ADAPTIVE_THRESH_MEAN_C：该阈值是该附近区域减去恒定的平均Ç。
cv2.ADAPTIVE_THRESH_GAUSSIAN_C：阈值是邻域值减去常数C的高斯加权和。
import cv2
img = cv2.imread('img/lena.jpg', cv2.IMREAD_GRAYSCALE)
thresh_img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 5)
cv2.imshow('thresh_img', thresh_img)
cv2.waitKey()
大津算法（最大类间方差法）
图像分割中阈值选取的最佳算法
threshold(gaussian_img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
import cv2
img = cv2.imread('img/lena.jpg', cv2.IMREAD_GRAYSCALE)
# 使用255的阈值进行二值化
ret, thresh_img = cv2.threshold(img, 255, 255, cv2.THRESH_BINARY)
cv2.imshow('normal', thresh_img)
# 使用高斯滤波模糊图像 参数1： 图片矩阵 参数2：卷积核 参数3： 越大越模糊
gaussian_img = cv2.GaussianBlur(img, (5, 5), 0)
cv2.imshow('gaussian_img', gaussian_img)
# 使用大津算法0阈值二值化经过高斯滤波模糊后的图像
ret, thresh_img = cv2.threshold(gaussian_img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
cv2.imshow('otsu', thresh_img)
cv2.imshow('img', img)
cv2.waitKey()
原图：
使用255的阈值进行二值化 图片全黑了:
使用高斯滤波模糊图像：
图片矩阵卷积核越大越模糊
使用0阈值的大津算法二值化经过高斯滤波模糊后的图像：
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。