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，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

简单的阈值-（全局阈值）：

Python-OpenCV中提供了阈值（threshold）函数：

cv2.threshold（）

函数：第一个参数 src 指原图像，原图像应该是灰度图。

第二个参数 x 指用来对像素值进行分类的阈值。

第三个参数 y 指当像素值高于（有时是小于）阈值时应该被赋予的新的像素值

第四个参数 Methods 指，不同的不同的阈值方法，这些方法包括：

•cv2.THRESH_BINARY 图（1）

•cv2.THRESH_BINARY_INV 图（2）

•cv2.THRESH_TRUNC 图（3）

•cv2.THRESH_TOZERO 图（4）

•cv2.THRESH_TOZERO_INV 图（5）

破折线为将被阈值化的值；虚线为阈值

图（1）

大于阈值的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于阈值的像素点的灰度值设定为0。

图（2）

大于阈值的像素点的灰度值设定为0，而小于该阈值的设定为255。

图（3）

像素点的灰度值小于阈值不改变，大于阈值的灰度值的像素点就设定为该阈值。

图（4）

像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

图（5）

像素点的灰度值大于该阈值的不进行任何改变，像素点的灰度值小于该阈值的，其灰度值全部变为0。

Python+opencv代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt
img=cv2.imread('1.bmp')
GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh1=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)
ret,thresh2=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3=cv2.threshold(GrayImage,127,255,cv2.THRESH_TRUNC)
ret,thresh4=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO)
ret,thresh5=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO_INV)
titles = ['Gray Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [GrayImage, thresh1, thresh2, thresh3, thresh4, thresh5]
for i in xrange(6):plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')plt.title(titles[i])plt.xticks([]),plt.yticks([])
plt.show()

效果图：

自适应阈值：

当同一幅图像上的不同部分的具有不同亮度时。这种情况下我们需要采用自适应阈值。此时的阈值是根据图像上的每一个小区域计算与其对应的阈值。因此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。

cv2.adaptiveThreshold（）

函数：第一个参数 src 指原图像，原图像应该是灰度图。

第二个参数 x 指当像素值高于（有时是小于）阈值时应该被赋予的新的像素值

第三个参数 adaptive_method 指： CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C

第四个参数 threshold_type 指取阈值类型：必须是下者之一 • CV_THRESH_BINARY,

• CV_THRESH_BINARY_INV

第五个参数 block_size 指用来计算阈值的象素邻域大小: 3, 5, 7, ...

第六个参数 param1 指与方法有关的参数。对方法CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C，它是一个从均值或加权均值提取的常数, 尽管它可以是负数。

自适应阈值： 对方法CV_ADAPTIVE_THRESH_MEAN_C，先求出块中的均值，再减掉param1。

对方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C ，先求出块中的加权和(gaussian)，再减掉param1。

例如：

采用方法 CV_ADAPTIVE_THRESH_MEAN_C，阈值类型：CV_THRESH_BINARY, 阈值的象素邻域大小 block_size 选取3，参数param1 取3和5时：

部分原图像像素值当参数param1为5时

部分原图像像素值当参数param1为7时

选取对应领域（3*3）求其均值，然后减去参数param1的值为自适应阈值。测试时求得均值为小数时，貌似进行四舍五入之后再减去参数param1。（可能是我没测试准确，无聊时测试一下，共同学习）

Python+opencv代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('1.bmp')
GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 中值滤波
GrayImage= cv2.medianBlur(GrayImage,5)
ret,th1 = cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)
#3 为Block size, 5为param1值
th2 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_MEAN_C,\cv2.THRESH_BINARY,3,5)
th3 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\cv2.THRESH_BINARY,3,5)
titles = ['Gray Image', 'Global Thresholding (v = 127)',
'Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding']
images = [GrayImage, th1, th2, th3]
for i in xrange(4):plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')plt.title(titles[i])plt.xticks([]),plt.yticks([])
plt.show()

效果图：

图像的二值化之python+opencv相关推荐

OpenCV图像二值化，Python
OpenCV图像二值化,Python 原图: 二值化处理(只有黑和白): import cv2if __name__=="__main__":image = cv2.imread( ...
基于python的图像二值化处理（opencv）
图像二值化处理 (python-opencv) 二值化图像的二值化,在图像处理中是十分重要的一个步骤.是几乎所有后续的图像处理的基础和前提.只有根据不同场景选择不同的二值化处理,才能对一幅图片较好的 ...
【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 ...
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 ...
Opencv全局二值化和局部二值化（python实现）
文章目录 1.前置知识 (1).什么是形态学处理 (2).形态学图像处理 2.二值化 (1)全局二值化 1)函数 2)阈值类型 3)代码实战 (2)局部二值化(自适应阈值) 1)函数 2)阈值类型 1 ...
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 ...
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 ...
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.

图像的二值化之python+opencv

图像的二值化之python+opencv相关推荐

最新文章

热门文章