OpenCV图像处理----图像的二值化

图像二值化 Image Binarization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黑白效果的过程。

---

二值化的原理

import cv2

img = cv2.imread('img/lena.jpg')
# 转为灰度图
new_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
height, width = new_img.shape[0:2]

# 设置阈值
thresh = 60

# 遍历每一个像素点
for row in range(height):
    for col in range(width):
        # 获取到灰度值
        gray = new_img[row, col]
        # 如果灰度值高于阈值 就等于255最大值
        if gray > thresh:
            new_img[row, col] = 255
        # 如果小于阈值就直接改为0
        elif gray < thresh:
            new_img[row, col] = 0

cv2.imshow('img', new_img)
cv2.waitKey()

---

OpenCV提供的图像二值化API

threshold()方法参数

1. 图片矩阵
2. 阈值
3. 图片中的最大值
4. 二值化的方式

二值化的方式

THRESH_BINARY	高于阈值改为255,低于阈值改为0
THRESH_BINARY_INV	高于阈值改为0,低于阈值改为255
THRESH_TRUNC	截断,高于阈值改为阈值,最大值失效
THRESH_TOZERO	高于阈值不改变,低于阈值改为0
THRESH_TOZERO_INV	高于阈值该为0,低于阈值不改变

import cv2

img = cv2.imread('img/lena.jpg', cv2.IMREAD_GRAYSCALE)

thresh, new_img = cv2.threshold(img, 60, 255, cv2.THRESH_BINARY)

print(thresh)
cv2.imshow('img', img)
cv2.imshow('NEW_IMG', new_img)
cv2.waitKey()

---

自适应阈值

使用一个全局值作为阈值。但是在所有情况下这可能都不太好。如果图像在不同区域具有不同的照明条件。在这种情况下自适应阈值阈值可以帮助。这里算法基于其周围的小区域确定像素的阈值。因此我们为同一图像的不同区域获得不同的阈值这为具有不同照明的图像提供了更好的结果。

adaptlive()方法参数

1. 图片矩阵
2. 图片灰度最大值
3. 计算阈值的方法
4. 阈值类型
5. 处理块大小
6. 算法所用的常量C

• cv2.ADAPTIVE_THRESH_MEAN_C该阈值是该附近区域减去恒定的平均Ç。
• cv2.ADAPTIVE_THRESH_GAUSSIAN_C阈值是邻域值减去常数C的高斯加权和。

import cv2

img = cv2.imread('img/lena.jpg', cv2.IMREAD_GRAYSCALE)

thresh_img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 5)

cv2.imshow('thresh_img', thresh_img)
cv2.waitKey()

大津算法最大类间方差法

图像分割中阈值选取的最佳算法

threshold(gaussian_img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

import cv2

img = cv2.imread('img/lena.jpg', cv2.IMREAD_GRAYSCALE)

# 使用255的阈值进行二值化
ret, thresh_img = cv2.threshold(img, 255, 255, cv2.THRESH_BINARY)
cv2.imshow('normal', thresh_img)

# 使用高斯滤波模糊图像  参数1 图片矩阵  参数2卷积核 参数3 越大越模糊
gaussian_img = cv2.GaussianBlur(img, (5, 5), 0)
cv2.imshow('gaussian_img', gaussian_img)

# 使用大津算法0阈值二值化经过高斯滤波模糊后的图像
ret, thresh_img = cv2.threshold(gaussian_img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

cv2.imshow('otsu', thresh_img)

cv2.imshow('img', img)
cv2.waitKey()

原图

使用255的阈值进行二值化 图片全黑了:

使用高斯滤波模糊图像

1. 图片矩阵
2. 卷积核
3. 越大越模糊

使用0阈值的大津算法二值化经过高斯滤波模糊后的图像