1、全局阈值法

1.1主要函数：

1.2全局阈值的代码实现

1.3特点

2、自适应阈值法

2.1主要函数：

2.2实现代码：

2.3特点：

3、OTSU二值化(最大类间方差法)

3.1实现代码:

3.2特点

4、实例展示

参考文献：

传统的机器视觉通常包括两个步骤：预处理和物体检测。而沟通二者的桥梁则是图像分割（Image Segmentation）。图像分割通过简化或改变图像的表示形式，使得图像更易于分析。简单的图像分割方法是二值化（Binarization）。图像是由矩阵构成，矩阵中每个点的RGB值都不一样，呈现出来的色彩不一样，最终整体呈现给我们的就是一张彩色的图像。所谓”二值化处理“就是将矩阵中每个点的RGB值（0，0，0）或者（255，255，255）。

由于二值图像数据足够简单，许多视觉算法都依赖二值图像。通过二值图像，能更好地分析物体的形状和轮廓。二值图像也常常用作原始图像的掩模（又称遮罩、蒙版，Mask）：它就像一张部分镂空的纸，把我们不感兴趣的区域遮掉。进行二值化有多种方式，其中最常用的就是采用全局阈值法、自适应阈值法、OTSU二值化等方法进行二值化。本文对于基于python来实现多种方式的二值化。

1、全局阈值法

简单阈值是选取一个全局阈值，然后把整幅图像分成非黑即白的二值图像，灰度值大于阈值就赋为255反之为0。

1.1主要函数：

ret,mask = cv2.threshold(a,b,c,d)

参数一a: 初始图像

参数二b：我们自己设定的阈值

参数三c：当图像像素置超过我们的设定的阈值时赋为255

参数四d : 我们设定的二值化类型

返回值一：阈值，（Otsu‘s二值化会用到）

返回值二：处理以后的图像

其中参数四的二值化类型有以下五种：

类型	<阈值	>阈值
THRESH_BINARY	置0	置填充色
THRESH_BINARY_INV	置填充色	0
THRESH_TRUNC	保持原色	置灰色
THRESH_TOZERO	置0	保持原色
THRESH_TOZERO_INV	保持原色	置0
THRESH_MASK
THRESH_OTSU	利用OTSU方法寻找合适的阈值

1.2全局阈值的代码实现

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，
print("全局阈值的shape: ", mask_all.shape)
plt.subplot(2, 2, 2)
plt.imshow(mask_all, cmap='gray')
plt.show()
plt.title("全局阈值")

1.3特点

对整幅图像都是用一个统一的阈值来进行二值化，方法简单易于实现。但是对光照不均匀的图像容易出现错误的二值分割。

2、自适应阈值法

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（最大值、中位数等）做比较，大于则赋予255；反之，为0。

2.1主要函数：

h2 = cv.adaptiveThreshold(a,b,c,d,e,f)

返回值: 处理后返回的图像

参数一a：原始图像

参数二b：像素值上限

参数三c：自适应方法

cv2.ADAPTIVE_THRESH_MEAN_C ：领域内均值
cv2.ADAPTIVE_THRESH_GAUSSIAN_C ：领域内像素点加权和

参数四：赋值方式（参考全局阈值中介绍的表格）

参数五：设定方阵的大小，将一个点与其周围的方阵数据对比，合适的方阵大小对于结果的影像较大。

参数六：常数，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。

2.2实现代码：

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
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，print("局部阈值的shape: ", mask_local.shape)
plt.subplot(2, 2, 3)
plt.imshow(mask_local, cmap='gray')
plt.show()
plt.title("局部阈值")

2.3特点：

在同一幅图像上的不同区域采用的是不同的阈值，从而使我们能在亮度不同的情况下得到更好的结果。

3、OTSU二值化(最大类间方差法)

Otsu算法（大津法或最大类间方差法）使用的是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，（相当于类间保持差异性，类内保持一致性）通过方差的计算来寻找一个合适的灰度级别来划分。所以可以在二值化的时候采用otsu算法来自动选取阈值进行二值化。otsu算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响。因此，使类间方差最大的分割意味着错分概率最小。

3.1实现代码:

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()

3.2特点

类间方差法对噪音和目标大小十分敏感，它仅对类间方差为单峰的图像产生较好的分割效果。当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。

4、实例展示

参考文献：

https://blog.csdn.net/qq_36686437/article/details/120682663

https://numpy.org/doc/stable/reference/generated/numpy.hstack.html

https://zhuanlan.zhihu.com/p/360824614

https://blog.csdn.net/jjddss/article/details/72841

https://blog.csdn.net/li_l_il/article/details/86767790

https://blog.csdn.net/JNingWei/article/details/77747959

https://blog.csdn.net/weixin_35732969/article/details/83779660

利用Python实现图像的二值化相关推荐

图像的二值化之python+opencv
定义: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,也就是将整个图像呈现出明显的只有黑和白的视觉效果. 一幅图像包括目标物体.背景还有噪声,要想从多值的数字图像中直接提取出目标物体,常用 ...
Python图像的二值化
什么是图像二值化在认识二值化前,我们先简单介绍一下几个概念: 彩色图像彩色图像有blue,green,red三个通道,取值范围均为0-255 灰度图灰度图:只有一个通道,取值范围在0-255,所 ...
python-opencv 图像阈值二值化
本文讲解基于OpenCV-python的图像二值化API及浅显原理讲解文章目录一. 阈值 1. 简单阈值 2. 自适应阈值二. 图像二值化 1. 全局图像二值化 2. 局部图像二值化 3. Ot ...
【图像处理】——图像的二值化操作及阈值化操作（固定阈值法（全局阈值法——大津法OTSU和三角法TRIANGLE）和自适应阈值法（局部阈值法——均值和高斯法））
目录一.二值化的概念(实际上就是一个阈值化操作) 1.概念: 2.实现方法 3.常用方法二.阈值类型 1.常见阈值类型(主要有五种类型) (1)公式描述 (2)图表描述 2.两种特殊的阈值算法(O ...
图像的二值化原理和实现
1. 图像的二值化的基本原理图像的二值化处理就是讲图像上的点的灰度置为0或255,也就是讲整个图像呈现出明显的黑白效果.即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和 ...
十三种基于直方图的图像全局二值化算法原理、实现、代码及效果
十三种基于直方图的图像全局二值化算法实现 1. 什么是基于直方图的图像全局二值化算法 2. 灰度平均值 3. 百分比阈值(P-Tile法) 3. 基于双峰的阈值 3.1 基于平均值的阈值 3.2 基于 ...
十三种基于直方图的图像全局二值化算法原理、实现、代码及效果（转）
源:十三种基于直方图的图像全局二值化算法原理.实现.代码及效果.
图像的二值化和灰度化
图像的二值化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. 将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和 ...
【OpenCV图像处理】二、图像的二值化操作
图像的逻辑运算就是将两幅图像的对应像素进行逻辑运算.逻辑运算主要包括与(AND)或(OR)及补运算.要对灰度图像进行逻辑运算,就要首先对图像进行二值化处理. 二值化的公式如下: 我们对灰度图像进行二 ...

利用Python实现图像的二值化

1、全局阈值法

1.1主要函数：

1.2全局阈值的代码实现

1.3特点

2、自适应阈值法

2.1主要函数：

2.2实现代码：

2.3特点：

3、OTSU二值化(最大类间方差法)

3.1实现代码:

3.2特点

4、实例展示

参考文献：

利用Python实现图像的二值化相关推荐

最新文章

热门文章