opencv_python阈值处理

看了好多博客，最终发现得好好研究一个人的博客并去做实验，才能达到最好的学习效果。

https://blog.csdn.net/on2way/article/details/46812121

参考其博客，并发现一个文档网址：

https://docs.opencv.org/3.2.0/d7/d4d/tutorial_py_thresholding.html

是不错的学习资料

本片博客主要使用python_opencv尝试了三种阈值处理方法，现总结如下，并把自己尝试的代码附上。

图像的阈值处理（python下opencv使用）

1.简单阈值

简单阈值最为简单，选取一个全局阈值，然后把整幅图像分成非黑即白的二值图像。函数为

cv.threshold()，该函数有四个参数，第一个为原图像，第二个进行分类的阈值，第三个是高于（低于）阈值时所赋予的新值，第四个是一个方法选择参数，常用方法选择参数有：

cv2.THRESH_BINARY（黑白二值）高于阈值的设置为新值，低于阈值的为0
cv2.THRESH_BINARY_INV（黑白二值反转）与上一个反过来
cv2.THRESH_TRUNC （得到的图像为多像素值）高于阈值的全为阈值，低于阈值的不变
cv2.THRESH_TOZERO 高于阈值的不变，低于阈值的全为0
cv2.THRESH_TOZERO_INV 与上一个反过来

相关代码：

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread("D:\\software_my_programming\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg")#读取图像，0为灰度图像，1为彩色图像ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)titles = ['img','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']images = [img,thresh1,thresh2,thresh3,thresh4,thresh5]for i in range(6):plt.subplot(2,3,i+1)plt.imshow(images[i],'gray')plt.title(titles[i])plt.xticks([]),plt.yticks([])plt.show()

2.自适应阈值

自适应阈值看成是一个局部性的阈值，通过规定一个区域大小，比较这个点与区域大小里面像素点的平均值（或者其他特征）的大小关系确定这个像素点是属于黑或者白（如果是二值情况）。使用函数为：cv2.adaptiveThreshold() (仅用于灰度图像)

该函数需要6个参数：

第一个原始图像
第二个像素值上限
第三个自适应方法Adaptive Method:
— cv2.ADAPTIVE_THRESH_MEAN_C ：领域内均值
—cv2.ADAPTIVE_THRESH_GAUSSIAN_C ：领域内像素点加权和，权重为一个高斯窗口
第四个值的赋值方法：只有cv2.THRESH_BINARY 和cv2.THRESH_BINARY_INV
第五个Block size:规定领域大小（一个正方形的领域）
第六个常数C，阈值等于均值或者加权值减去这个常数（为0相当于阈值就是求得领域内均值或者加权值）

这种方法理论上得到的效果更好，相当于在动态自适应的调整属于自己像素点的阈值，而不是整幅图像都用一个阈值。

相关代码：

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread("D:\\software_my_programming\\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg",0)#读取图像，0为灰度图像，1为彩色图像ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)thresh2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\cv2.THRESH_BINARY,11,2)thresh3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\cv2.THRESH_BINARY,11,2)titles = ['img','BINARY','ADAPTIVE_THRESH_MEAN_C','ADAPTIVE_THRESH_GAUSSIAN_C',]images = [img,thresh1,thresh2,thresh3]for i in range(4):plt.subplot(2,2,i+1)plt.imshow(images[i],'gray')plt.title(titles[i])plt.xticks([]),plt.yticks([])plt.show()

3.Otsu’s二值化

前面对于阈值的处理上，我们选择的阈值都是127，那么实际情况下，怎么去选择这个127呢？有的图像可能阈值不是127得到的效果更好。那么这里我们需要算法自己去寻找到一个阈值，而Otsu’s就可以自己找到一个认为最好的阈值。并且Otsu’s非常适合于图像灰度直方图具有双峰的情况，他会在双峰之间找到一个值作为阈值，对于非双峰图像，可能并不是很好用。那么经过Otsu’s得到的那个阈值就是函数cv2.threshold的第一个参数了。因为Otsu’s方法会产生一个阈值，那么函数cv2.threshold的的第二个参数（设置阈值）就是0了，并且在cv2.threshold的方法参数中还得加上语句cv2.THRESH_OTSU。那么什么是双峰图像（只能是灰度图像才有），就是图像的灰度统计图中可以明显看出只有两个波峰。

相关代码：

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread("D:\\software_my_programming\\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg",0)#读取图像，0为灰度图像，1为彩色图像ret1,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)#简单滤波ret2,thresh2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)#Ostu滤波print(ret2)plt.subplot(221),plt.imshow(img,'gray')plt.subplot(222),plt.hist(img.ravel(),256)#该方法将矩阵转化为一维plt.subplot(223),plt.imshow(thresh1,'gray')plt.subplot(224),plt.imshow(thresh2,'gray')plt.show()

opencv_python阈值处理相关推荐

opencv_python答题卡自动判卷
opencv_python答题卡自动判卷设定答题卡模板该图像为答题卡的答题区域,黑色边框是为了能够在各种环境中轻易的检测,左部分和上部分的黑色矩形,是为能够定位到答题选项的坐标而设置,同时题目数量 ...
《OpenCV3编程入门》学习笔记6 图像处理（七）阈值化
6.7 阈值化 · 最简单的图像切割方法,剔除图像中像素高于或低于一定值的像素,用图像中每一个像素点的灰度值与选取的阈值进行比较,做出判断 · 涉及函数:Threshold()函数(基本阈值操作)和a ...
cv2.threshold() 阈值：使用Python,OpenCV进行简单的图像分割
图像分割有多种形式. 聚类.压缩.边缘检测.区域增长.图分区.分水岭等等:(Clustering. Compression. Edge detection. Region-growing. Graph ...
cv2.threshholding()简单阈值、自适应阈值，Octus阈值
@[TOC](cv2.threshholding()简单阈值.自适应阈值,Octus阈值这篇博客将延续上一篇简单阈值处理,继续介绍自适应阈值及Octus阈值: 简单阈值详情见: https://bl ...
数字图像处理：blob分析、阈值分割
1.Blob分析: 1.1.blob分析概念在计算机视觉中的Blob(Binary large object)是指图像中的具有相似颜色.纹理等特征所组成的一块连通区域,一般来说,该区域就是图像中的前景 ...
OpenCV后投影，利用阈值函数分割指定区域生成掩膜，通过直方图分布查找其他图像相同区域。
一.API函数 void mixChannels(const Mat* src,int nsrc,Mat* dst ,int ndst,const int* fromTo,size_t npairs) ...
opencv阈值分割类型
threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type); src:输入图,只能输入单通道图 ...
harris角点检测与绘制。通过滑动滚动条来控制阈值，以控制检测角点的数量并返回角点坐标
#include<opencv2/opencv.hpp> #include<iostream> using namespace std; using namespace cv; ...
使用回调函数实现图像阈值分析。程序运行后在屏幕中输入阈值，通过改变滑动条实现不同类型的二值化图。
#include<opencv2/opencv.hpp> #include<iostream> using namespace std; using namespace cv; ...
OpenCV（十四）图像阈值
目录一.基础理论 1.二进制阈值化 2.反二进制阈值化 3.截断阈值化 4.阈值化为0 5.反阈值化为0 函数代码效果参考答案一.基础理论在二维数字图像中,其每个像素点对应了不同的像素值, ...

opencv_python阈值处理

opencv_python阈值处理相关推荐

最新文章

热门文章