Python实现图片二值化

1. 什么是二值化

图像二值化就是将图像上的像素点的“灰度值”设置为[0, 0, 0]或[255, 255, 255]，即要么纯黑，要么纯白。

2. 二值化的作用

通过二值化，能更好地分析物体的形状和轮廓。

3. 二值化的实现

二值化的实现一般有：全局阈值法、自适应阈值法、OTSU二值化等
（1）全局阈值法
就是选定一个全局阈值，大于这个值的色素点就赋值为255；反之为0。
（2）自适应阈值法
全局阈值法相对比较简单粗暴。自适应阈值法的原理就是将像素点与该点所在区域的像素的平均值做比较，大于则赋予255；反之，为0.
（3）OTSU二值化
不太明白，后续遇到后再进行补充。

4.代码实现

# ---------------------------
# @Time     : 2022/5/2 22:37
# @Author   : lcq
# @File     : two_.py
# @Function : 图像二值化
# ---------------------------import cv2
import matplotlib.pyplot as plt
import matplotlib
import numpy as np
matplotlib.rcParams['font.sans-serif'] = ['SimHei']     # 显示中文
# 为了坐标轴负号正常显示。matplotlib默认不支持中文，设置中文字体后，负号会显示异常。需要手动将坐标轴负号设为False才能正常显示负号。
matplotlib.rcParams['axes.unicode_minus'] = False# 读取灰度图像
img = cv2.imread("C:\\Users\\17631\\Desktop\\test.jpeg", 0)
print("原图的shape: ", img.shape)
plt.subplot(2, 2, 1)
plt.imshow(img, cmap='gray')
plt.title("原图")# 1.全局阈值法
ret, mask_all = cv2.threshold(src=img,                  # 要二值化的图片thresh=127,               # 全局阈值maxval=255,               # 大于全局阈值后设定的值type=cv2.THRESH_BINARY)   # 设定的二值化类型，THRESH_BINARY：表示小于阈值置0，大于阈值置填充色
print("全局阈值的shape: ", mask_all.shape)
plt.subplot(2, 2, 2)
plt.imshow(mask_all, cmap='gray')
plt.title("全局阈值")# 2.自适应阈值法
mask_local = cv2.adaptiveThreshold(src=img,                                     # 要进行处理的图片maxValue=255,                                # 大于阈值后设定的值adaptiveMethod=cv2.ADAPTIVE_THRESH_MEAN_C,   # 自适应方法，ADAPTIVE_THRESH_MEAN_C：表区域内均值；ADAPTIVE_THRESH_GAUSSIAN_C：表区域内像素点加权求和thresholdType=cv2.THRESH_BINARY,             # 同全局阈值法中的参数一样blockSize=11,                                # 方阵（区域）大小，C=1)                                         # 常数项，每个区域计算出的阈值的基础上在减去这个常数作为这个区域的最终阈值，可以为负数
print("局部阈值的shape: ", mask_local.shape)
plt.subplot(2, 2, 3)
plt.imshow(mask_local, cmap='gray')
plt.title("局部阈值")# 3.OTSU二值化
ret2, mask_OTSU = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
print("OTSU的shape: ", mask_OTSU.shape)
plt.subplot(2, 2, 4)
plt.imshow(mask_OTSU, cmap='gray')
plt.title("OTSU")plt.show()

效果：

打印的维度：

原图的shape:  (2338, 1080)
全局阈值的shape:  (2338, 1080)
局部阈值的shape:  (2338, 1080)
OTSU的shape:  (2338, 1080)

注：

本文的代码实现有参考这一篇文章，这篇文章写得非常好，各位可查看：添加链接描述

Python实现图片二值化相关推荐

python图像灰度化_python实现图片二值化及灰度处理方式
python实现图片二值化及灰度处理方式我就废话不多说了,直接上代码吧! 集成环境:win10 pycharm #!/usr/bin/env python3.5.2 # -*- coding: ut ...
python灰度处理打印图片_python实现图片二值化及灰度处理方式
我就废话不多说了,直接上代码吧! 集成环境:win10 pycharm #!/usr/bin/env python3.5.2 # -*- coding: utf-8 -*- '''4图片灰度调整及二值 ...
python对图像二值化_python如何二值化图像
在python中二值化图像的方法:首先将图片转化为灰色图像:然后自定义灰度界限:最后输入"photo=Img.point(table,'1')"命令(table为自己创建的数组名) ...
【pytorch】yolov4 实现对蛾子数据集的识别以及对蛾子图片二值化处理实现自动打标签标注。（本文重点在自动实现将图片转化为voc数据集）
文章目录一.之前工作回顾二.图片处理过程 (1)图片的裁剪 (2)生成xml文件的相关代码三.使用yolov4模型,训练预测蛾子数据集四.项目步骤记录五.数据标注范例六.关于xml的创建. ...
python opencv图像二值化函数_python opencv 二值化计算白色像素点的实例
python opencv 二值化计算白色像素点的实例贴部分代码 #! /usr/bin/env python # -*- coding: utf-8 -*- import cv2 import ...
OpenCV+python：图像二值化
1,图像二值化概念及方法一个像素点的颜色是由RGB三个值来表现的,所以一个像素点矩阵对应三个颜色向量矩阵,分别是R矩阵,G矩阵,B矩阵,它们也都是同样大小的矩阵. 在图像处理中,用RGB三个分量(R ...
python对参数二值化处理_OpenCV自适应阀值二值化表格检测方法(python版)
OCR主要分为三个步骤:检测.分割.文字识别.其中文字识别无论是英文还是中文相对比较成熟.只要检测到位,标准的印刷体识别率还是非常高的. 文书OCR检测主要有文字检测和表格检测.文本段落基于行的检测通 ...
opencv图片二值化寻找轮廓
本文主要是介绍如何根据图片的像素值寻找同一像素值的类,并寻找轮廓圈出图片. 1.二值化函数原型double threshold( InputArray src,OutputArray dst,dou ...
手写数字图片二值化转换为32*32数组。
最近课设外加生病,本来打算在上一篇机器学习使用k-近邻算法改进约会网站的配对效果.就打算写的一直没有时间.按照<机器学习实战>的流程,手写数字识别是kNN中的最后一部分,也是一个比较经典的 ...