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 os模块介绍
Nov 30 Python
python实现登陆知乎获得个人收藏并保存为word文件
Mar 16 Python
Python获取邮件地址的方法
Jul 10 Python
python创建列表并给列表赋初始值的方法
Jul 28 Python
python访问抓取网页常用命令总结
Apr 11 Python
Python设计模式之门面模式简单示例
Jan 09 Python
浅析python协程相关概念
Jan 20 Python
python内存监控工具memory_profiler和guppy的用法详解
Jul 29 Python
Python with语句和过程抽取思想
Dec 23 Python
jupyternotebook 撤销删除的操作方式
Apr 17 Python
如何在pycharm中快捷安装pip命令(如pygame)
May 31 Python
Python连续赋值需要注意的一些问题
Jun 03 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
最新的php 文件上传模型,支持多文件上传
2009/08/13 PHP
提高define性能的php扩展hidef的安装和使用
2011/06/14 PHP
php中使用redis队列操作实例代码
2013/02/07 PHP
jquery实现网页查找功能示例分享
2014/02/12 Javascript
node.js中watch机制详解
2014/11/17 Javascript
javascript实现连续赋值
2015/08/10 Javascript
基于JavaScript实现移动端点击图片查看大图点击大图隐藏
2015/11/04 Javascript
JS实现获取当前URL和来源URL的方法
2016/08/24 Javascript
数组Array的一些方法(总结)
2017/02/17 Javascript
基于vue2的table分页组件实现方法
2017/03/20 Javascript
AngularJS实现tab选项卡的方法详解
2017/07/05 Javascript
sublime text配置node.js调试(图文教程)
2017/11/23 Javascript
vue微信分享 vue实现当前页面分享其他页面
2017/12/02 Javascript
Angular2.0/4.0 使用Echarts图表的示例代码
2017/12/07 Javascript
VUEJS 2.0 子组件访问/调用父组件的实例
2018/02/10 Javascript
微信小程序之圆形进度条实现思路
2018/02/22 Javascript
微信小程序制作表格的方法
2019/02/14 Javascript
vue使用keep-alive保持滚动条位置的实现方法
2019/04/09 Javascript
react基本安装与测试示例
2020/04/27 Javascript
基于JavaScript实现大文件上传后端代码实例
2020/08/18 Javascript
[01:38]女王驾到——至宝魔廷新尊技能&特效展示
2020/06/16 DOTA
零基础写python爬虫之神器正则表达式
2014/11/06 Python
Python中的localtime()方法使用详解
2015/05/22 Python
Python压缩解压缩zip文件及破解zip文件密码的方法
2015/11/04 Python
浅谈python 线程池threadpool之实现
2017/11/17 Python
PyQt5每天必学之日历控件QCalendarWidget
2018/04/19 Python
python3.6+selenium实现操作Frame中的页面元素
2019/07/16 Python
Python使用APScheduler实现定时任务过程解析
2019/09/11 Python
Python虚拟环境库virtualenvwrapper安装及使用
2020/06/17 Python
canvas实现圆绘制的示例代码
2019/09/11 HTML / CSS
Larsson & Jennings官网:现代瑞士钟表匠
2018/03/20 全球购物
女孩每月服装订阅盒:kidpik
2019/04/17 全球购物
英国健身专家:WIT Fitness
2021/02/09 全球购物
爱心倡议书范文
2014/05/12 职场文书
2016应届大学生自荐信模板
2016/01/28 职场文书
HTML基础详解(下)
2021/10/16 HTML / CSS