Python+OpenCV图像处理——图像二值化的实现


Posted in Python onOctober 24, 2020

简介:图像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黑白效果的过程。

普通图像二值化

代码如下:

import cv2 as cv
import numpy as np

#全局阈值
def threshold_demo(image):
  gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY) #把输入图像灰度化
  #直接阈值化是对输入的单通道矩阵逐像素进行阈值分割。
  ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_TRIANGLE)
  print("threshold value %s"%ret)
  cv.namedWindow("binary0", cv.WINDOW_NORMAL)
  cv.imshow("binary0", binary)

#局部阈值
def local_threshold(image):
  gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY) #把输入图像灰度化
  #自适应阈值化能够根据图像不同区域亮度分布,改变阈值
  binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY, 25, 10)
  cv.namedWindow("binary1", cv.WINDOW_NORMAL)
  cv.imshow("binary1", binary)

#用户自己计算阈值
def custom_threshold(image):
  gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY) #把输入图像灰度化
  h, w =gray.shape[:2]
  m = np.reshape(gray, [1,w*h])
  mean = m.sum()/(w*h)
  print("mean:",mean)
  ret, binary = cv.threshold(gray, mean, 255, cv.THRESH_BINARY)
  cv.namedWindow("binary2", cv.WINDOW_NORMAL)
  cv.imshow("binary2", binary)

src = cv.imread('E:/imageload/kobe.jpg')
cv.namedWindow('input_image', cv.WINDOW_NORMAL) #设置为WINDOW_NORMAL可以任意缩放
cv.imshow('input_image', src)
threshold_demo(src)
local_threshold(src)
custom_threshold(src)
cv.waitKey(0)
cv.destroyAllWindows()

运行结果:

Python+OpenCV图像处理——图像二值化的实现

注意:

1.全局阈值

①OpenC的threshold函数进行全局阈值。其函数原型为:threshold(src, thresh, maxval, type[, dst]) -> retval, dst

src参数表示输入图像(多通道,8位或32位浮点)。

thresh参数表示阈值。

maxval参数表示与THRESH_BINARY和THRESH_BINARY_INV阈值类型一起使用设置的最大值。

type参数表示阈值类型。

retval参数表示返回的阈值。若是全局固定阈值算法,则返回thresh参数值。若是全局自适应阈值算法,则返回自适应计算得出的合适阈值。

dst参数表示输出与src相同大小和类型以及相同通道数的图像。

②type参数阈值类型这部分参考博客:https://blog.csdn.net/iracer/article/details/49232703  ,写的很不错。

阈值类型:

Python+OpenCV图像处理——图像二值化的实现

阈值类型图示:

Python+OpenCV图像处理——图像二值化的实现

③type参数单独选择上述五种阈值类型时,是固定阈值算法,效果比较差。

此外还有自适应阈值算法:(自适应计算合适的阈值,而不是固定阈值)

比如结合cv.THRESH_OTSU,写成cv.THRESH_BINARY | cv.THRESH_OTSU。例子:ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU) #大律法,全局自适应阈值,第二个参数值0可改为任意数字但不起作用。 

比如结合cv.THRESH_TRIANGLE,写成cv.THRESH_BINARY | cv.THRESH_TRIANGLE。例子:ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_TRIANGLE) #TRIANGLE法,全局自适应阈值,第二个参数值0可改为任意数字但不起作用,适用于单个波峰。  

补:

cv.THRESH_OTSU和cv.THRESH_TRIANGLE也可单独使用,不一定要写成和固定阈值算法结合的形式。单独写和结合起来写,都是自适应阈值算法优先。

例子:ret, binary = cv.threshold(gray, 0, 255,  cv.THRESH_OTSU) #大律法       ret, binary = cv.threshold(gray, 0, 255,  cv.THRESH_TRIANGLE) #TRIANGLE法  

2.局部阈值

OpenCV的adaptiveThreshold函数进行局部阈值。函数原型为:adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) -> dst

src参数表示输入图像(8位单通道图像)。

maxValue参数表示使用 THRESH_BINARY 和 THRESH_BINARY_INV 的最大值.

adaptiveMethod参数表示自适应阈值算法,平均 (ADAPTIVE_THRESH_MEAN_C)或高斯(ADAPTIVE_THRESH_GAUSSIAN_C)。

thresholdType参数表示阈值类型,必须为THRESH_BINARY或THRESH_BINARY_INV的阈值类型。

blockSize参数表示块大小(奇数且大于1,比如3,5,7........ )。

C参数是常数,表示从平均值或加权平均值中减去的数。 通常情况下,这是正值,但也可能为零或负值。

补:在使用平均和高斯两种算法情况下,通过计算每个像素周围blockSize x blockSize大小像素块的加权均值并减去常量C即可得到自适应阈值。如果使用平均的方法,则所有像素周围的权值相同;如果使用高斯的方法,则每个像素周围像素的权值则根据其到中心点的距离通过高斯方程得到。

参考:https://blog.csdn.net/guduruyu/article/details/68059450

3.numpy的reshape函数是给数组一个新的形状而不改变其数据,函数原型:reshape(a, newshape, order='C')

a参数表示需要重新形成的原始数组。

newshape参数表示int或int类型元组(tuple),若为(1, 3),表示生成的新数组是1行3列。

order参数表表示使用此索引顺序读取a的元素,并使用此索引顺序将元素放置到重新形成的数组中。

函数返回值:如果可能的话,这将是一个新的视图对象; 否则,它会成为副本。

以上就是Python+OpenCV图像处理——图像二值化的实现的详细内容,更多关于python 图像二值化的资料请关注三水点靠木其它相关文章!

Python 相关文章推荐
python中的错误处理
Apr 10 Python
Python遍历文件夹和读写文件的实现方法
May 10 Python
Python中常用信号signal类型实例
Jan 25 Python
Python+request+unittest实现接口测试框架集成实例
Mar 16 Python
查看django版本的方法分享
May 14 Python
python3实现163邮箱SMTP发送邮件
May 22 Python
Python中BeautifuSoup库的用法使用详解
Nov 15 Python
django admin 添加自定义链接方式
Mar 11 Python
Python如何操作office实现自动化及win32com.client的运用
Apr 01 Python
python爬虫用mongodb的理由
Jul 28 Python
Python JSON常用编解码方法代码实例
Sep 05 Python
python 详解turtle画爱心代码
Feb 15 Python
python 下划线的不同用法
Oct 24 #Python
python 写一个性能测试工具(一)
Oct 24 #Python
Django admin组件的使用
Oct 24 #Python
Python数据可视化常用4大绘图库原理详解
Oct 23 #Python
Python+OpenCV图像处理——实现轮廓发现
Oct 23 #Python
python 带时区的日期格式化操作
Oct 23 #Python
Python可视化工具如何实现动态图表
Oct 23 #Python
You might like
php访问查询mysql数据的三种方法
2006/10/09 PHP
PHP以及MYSQL日期比较方法
2012/11/29 PHP
深入解析PHP内存管理之谁动了我的内存
2013/06/20 PHP
PHP网页游戏学习之Xnova(ogame)源码解读(十四)
2014/06/26 PHP
Javascript 错误处理的几种方法
2009/06/13 Javascript
JavaScript Distilled 基础知识与函数
2010/04/07 Javascript
jQuery javaScript捕获回车事件(示例代码)
2013/11/07 Javascript
基于js与flash实现的网站flv视频播放插件代码
2014/10/14 Javascript
了不起的node.js读书笔记之node.js中的特性
2014/12/22 Javascript
理解Javascript的call、apply
2015/12/16 Javascript
JavaScript几种数组去掉重复值的方法推荐
2016/04/12 Javascript
详解如何用webpack打包一个网站应用项目
2017/07/12 Javascript
vue2.5.2使用http请求获取静态json数据的实例代码
2018/02/27 Javascript
layuiAdmin循环遍历展示商品图片列表的方法
2019/09/16 Javascript
[03:02]辉夜杯主赛事第二日 每日之星
2015/12/27 DOTA
学习python (2)
2006/10/31 Python
python发送伪造的arp请求
2014/01/09 Python
python和shell实现的校验IP地址合法性脚本分享
2014/10/23 Python
scrapy爬虫实例分享
2017/12/28 Python
Pyqt QImage 与 np array 转换方法
2019/06/27 Python
react+django清除浏览器缓存的几种方法小结
2019/07/17 Python
python opencv 简单阈值算法的实现
2019/08/04 Python
python 两种方法删除空文件夹
2020/09/29 Python
如何使用python自带IDLE的几种方法
2020/10/10 Python
Python3中对json格式数据的分析处理
2021/01/28 Python
Html5监听手机摇一摇事件的实现
2019/11/07 HTML / CSS
美国市场上最实惠的送餐服务:Dinnerly
2018/03/18 全球购物
什么是索引指示器
2012/08/20 面试题
求职信的七个关键技巧
2014/02/05 职场文书
毕业生欢送会主持词
2014/03/31 职场文书
工厂门卫的岗位职责
2014/07/27 职场文书
警察群众路线对照检查材料思想汇报
2014/10/01 职场文书
三八红旗手先进事迹材料(2016推荐版)
2016/02/25 职场文书
导游词之张家口
2019/12/13 职场文书
redis sentinel监控高可用集群实现的配置步骤
2022/04/01 Redis
Win11筛选键导致键盘失灵怎么解决? Win11关闭筛选键的技巧
2022/04/08 数码科技