OpenCV学习笔记-图像二值化

图像的二值化就是将图像上的像素点的灰度值设置为0或255，这样将使整个图像呈现出明显的黑白效果。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。

图像二值化的类型有以下几种：

0: THRESH_BINARY 当前点值大于阈值时，取Maxval,也就是第四个参数，下面再不说明，否则设置为0

1: THRESH_BINARY_INV 当前点值大于阈值时，设置为0，否则设置为Maxval

2: THRESH_TRUNC 当前点值大于阈值时，设置为阈值，否则不改变

3: THRESH_TOZERO 当前点值大于阈值时，不改变，否则设置为0

4: THRESH_TOZERO_INV 当前点值大于阈值时，设置为0，否则不改变

理论公式：

图像二值化有全局调整、局部自适应和手动计算阈值。

具体代码：

import cv2 as cv

import numpy as np

from matplotlib import pyplot as plt

#全局二值化

def threshold_demo(img):

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY |cv.THRESH_TRIANGLE)

''' ret: 计算出来的阈值

binary: 返回的二值图像

cv.THRESH_BINARY |cv.THRESH_OTSU: THRESH_BINARY是将灰度图二值化，THRESH_OTSU是二值化的计算算法

计算的方法有很多，一般使用OTSU '''

print( 'threshold value %s :' % (ret))

cv.imshow( 'binary', binary)

#局部自适应

def local_threshold(img):

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 25, 10)

''' adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)

adaptiveMethod: 有两种method ADAPTIVE_THRESH_GAUSSIAN_C和ADAPTIVE_THRESH_MEAN_C，

个人感觉高斯更好，可以在实际应用中互换试试

thresholdType: 二值化的方式

blockSize：最好是奇数，可以防止一些坑

C：偏置值像素值大于adaptiveMethod的值+10 才会重置为255 '''

cv.imshow( 'GAUSSIAN-binary', binary)

#手动计算阈值

def custom_threshold(img):

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

h, w = gray.shape[: 2]

m = np.resize(gray, [ 1, w*h])

mean = m.sum() / (w*h)

print( 'mean : ', mean)

ret, binary = cv.threshold(gray, mean, 255, cv.THRESH_BINARY)

cv.imshow( 'binary', binary)

img = cv.imread( 'img/text1.png')

cv.namedWindow( 'img',cv.WINDOW_AUTOSIZE)

cv.imshow( 'img',img)

local_threshold(img)

cv.waitKey( 0)

cv.destroyAllWindows()

局部自适应的效果图：

参考文章：

https://www.jianshu.com/p/6efd324e8677

http://blog.sina.com.cn/s/blog_154bd48ae0102wboc.html

OpenCV学习笔记-图像二值化

猜你喜欢