opencv python如何实现图像二值化
这篇文章主要介绍了opencvpython如何实现图像二值化,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
代码如下
importcv2ascv
importnumpyasnp
importmatplotlib.pyplotasplt
#二值图像就是将灰度图转化成黑白图，没有灰，在一个值之前为黑，之后为白
#有全局和局部两种
#在使用全局阈值时，我们就是随便给了一个数来做阈值，那我们怎么知道我们选取的这个数的好坏呢？答案就是不停的尝试。
#如果是一副双峰图像（简单来说双峰图像是指图像直方图中存在两个峰）呢？
#我们岂不是应该在两个峰之间的峰谷选一个值作为阈值？这就是Otsu二值化要做的。
#简单来说就是对一副双峰图像自动根据其直方图计算出一个阈值。
#（对于非双峰图像，这种方法得到的结果可能会不理想）。
defthreshold_demo(image):
gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
#这个函数的第一个参数就是原图像，原图像应该是灰度图。
#第二个参数就是用来对像素值进行分类的阈值。
#第三个参数就是当像素值高于（有时是小于）阈值时应该被赋予的新的像素值
#第四个参数来决定阈值方法，见threshold_simple()
#ret,binary=cv.threshold(gray,127,255,cv.THRESH_BINARY)
ret,binary=cv.threshold(gray,127,255,cv.THRESH_BINARY|cv.THRESH_OTSU)
print("thresholdvalue:%s"%ret)
cv.imshow("threshold_demo",binary)
defthreshold_simple(image):
img=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
ret,thresh1=cv.threshold(img,127,255,cv.THRESH_BINARY)
ret,thresh2=cv.threshold(img,127,255,cv.THRESH_BINARY_INV)
ret,thresh3=cv.threshold(img,127,255,cv.THRESH_TRUNC)
ret,thresh4=cv.threshold(img,127,255,cv.THRESH_TOZERO)
ret,thresh5=cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)
titles=['OriginalImage','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images=[img,thresh1,thresh2,thresh3,thresh4,thresh5]
foriinrange(6):
plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')#将图像按2x3铺开
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
#在前面的部分我们使用是全局阈值，整幅图像采用同一个数作为阈值。
#当时这种方法并不适应与所有情况，尤其是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。
#这种方法需要我们指定三个参数，返回值只有一个
#_MEAN_C：阈值取自相邻区域的平均值,_GAUSSIAN_C：阈值取值相邻区域的加权和，权重为一个高斯窗口。
#BlockSize-邻域大小（用来计算阈值的区域大小）。
#C-这就是是一个常数，阈值就等于的平均值或者加权平均值减去这个常数。
defthreshold_adaptive(image):
img=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
#中值滤波
img=cv.medianBlur(img,5)
ret,th1=cv.threshold(img,127,255,cv.THRESH_BINARY)
#11为Blocksize,2为C值
th2=cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,11,2)
th3=cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,11,2)
titles=['OriginalImage','GlobalThreshold(v=127)','AdaptiveMeanThreshold','AdaptiveGaussianThreshold']
images=[img,th1,th2,th3]
foriinrange(4):
plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
defthreshold_custom(image):
gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
h,w=gray.shape[:2]
m=np.reshape(gray,[1,w*h])
mean=m.sum()/(w*h)#求出整个灰度图像的平均值
print("mean:",mean)
ret,binary=cv.threshold(gray,mean,255,cv.THRESH_BINARY)
cv.imshow("threshold_custom",binary)
#将大图片拆分成小图片后再用自适应局部阈值比较好
defbig_image_demo(image):
print(image.shape)
cw=200
ch=200
h,w=image.shape[:2]
gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
cv.imshow("big_image_demo_gray",gray)
#将一张图片每隔ch*cw分成一份
forrowinrange(0,h,ch):
forcolinrange(0,w,cw):
roi=gray[row:row+ch,col:col+cw]
dst=cv.adaptiveThreshold(roi,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,127,2)
gray[row:row+ch,col:col+cw]=dst
print(np.std(dst),np.mean(dst))
cv.imwrite("../images/result_big_image.png",gray)
defmain():
img=cv.imread("../images/02.jpg")
#threshold_demo(img)
#threshold_simple(img)
#threshold_adaptive(img)
#threshold_custom(img)
src=cv.imread("../images/big_image.jpg")
big_image_demo(src)
cv.waitKey(0)#等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口
cv.destroyAllWindows()#关闭所有窗口
if__name__=='__main__':
main()
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。