OpenCV Python 图像阈值
在数字图像处理中,阈值处理是基于像素强度的阈值值创建二值图像的过程。阈值处理过程将前景像素与背景像素分开。
OpenCV提供了执行简单、自适应和Otsu阈值处理的函数。
在简单阈值处理中,所有值小于阈值的像素被设置为零,其余的像素被设置为最大像素值。这是阈值处理的最简单形式。
cv2.threshold()函数的定义如下。
参数
图像二值化的参数如下:
- Src:输入数组。
- Dst:相同大小的输出数组。
- Thresh:阈值。
- Maxval:最大值。
- Type:二值化的类型。
二值化的类型
其他类型的二值化如下所示:
序号 | 类型 & 功能 |
---|---|
1 | cv.THRESH_BINARY dst(x,y) = maxval 如果 src(x,y)>thresh 否则为0 |
2 | cv.THRESH_BINARY_INV dst(x,y)=0 如果 src(x,y)>thresh 否则为maxval |
3 | cv.THRESH_TRUNC dst(x,y)=threshold 如果 src(x,y)>thresh 否则为src(x,y) |
4 | cv.THRESH_TOZERO dst(x,y)=src(x,y) 如果 src(x,y)>thresh 否则为0 |
5 | cv.THRESH_TOZERO_INV dst(x,y)=0 如果 src(x,y)>thresh 否则为src(x,y) |
这些阈值类型根据以下图表对输入图像进行操作:
threshold()函数返回使用的阈值和阈值图像。
以下程序通过将阈值设置为127,从原始图像生成一个灰度值从255到0的渐变二进制图像。
示例
使用Matplotlib库将原始图像和结果阈值二进制图像并排绘制在一起。
输出
自适应阈值确定基于其周围的小区域的像素的阈值。所以,获得了同一图像不同区域的不同阈值。这对于光照变化的图像得到更好的结果。
cv2.adaptiveThreshold()方法接受以下输入参数:
自适应方法具有以下枚举值:-
- cv.ADAPTIVE_THRESH_MEAN_C − 阈值是邻域区域的均值减去常数C。
-
cv.ADAPTIVE_THRESH_GAUSSIAN_C − 阈值是邻域值的高斯加权和减去常数C。
示例
在下面的示例中,原始图像(messi.jpg)使用均值和高斯自适应阈值进行应用。
输出
使用matplotlib绘制原始和自适应阈值二值图像如下所示−
示例
OTSU算法会根据图像的直方图自动确定阈值。除了THRESH-BINARY标志,我们还需要传递cv.THRES_OTSU标志。
输出
matplotlib的绘图结果如下所示: