OpenCv之图像二值化（笔记12）

Posted 2021-06-02 月疯

# 图像处理中，Thresholding中文翻译过来叫二值化或者阈值化。二值化就是把图片转换成只有white赫尔black这俩种颜色。通过Thresholding，可以让图片中感兴趣
# 的颜色编程主角--white,其余的颜色全部都隐藏--black。另外，二值化后的图片也便于计算机进行分析，因为边缘轮廓十分清晰，所以计算机可以轻松找到边界线。
# 然而，再找边界这方面，Thresholding并不是特别好的算法，有些时候遇到某些特殊图片效果也不太好。

# cv2.THRESH_BINARY（超过阈值的为1，没有的为0）
# cv2.THRESH_BINARY_INV（相反，小于阈值的为1，大于阈值的为0）
# cv2.THRESH_TRUNC（大于阈值的为阈值，小于阈值的不变）
# cv2.THRESH_TOZERO（大于阈值的设置为0，其他的不变）
# cv2.THRESH_TOZERO_INV（小于阈值的设置为0，其他不变）

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像二值化
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')



#灰度图的效果显示图片
gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
plt.imshow(gray,'gray')
plt.axis('off')
# plt.show()



ret1,thresh1=cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
ret2,thresh2=cv2.threshold(gray,127,255,cv2.THRESH_BINARY_INV)
ret3,thresh3=cv2.threshold(gray,127,255,cv2.THRESH_TRUNC)
ret4,thresh4=cv2.threshold(gray,127,255,cv2.THRESH_TOZERO)
ret5,thresh5=cv2.threshold(gray,127,255,cv2.THRESH_TOZERO_INV)


titles=['original','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images=[gray,thresh1,thresh2,thresh3,thresh4,thresh5]
plt.figure(figsize=(15,5))
for i in range(6):
    plt.subplot(2,3,i+1)
    plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.axis('off')
plt.show()

效果展示：

#如何把图片的背景去掉，只留下图片（相当于做个遮挡）
show(cv2.bitwise_and(image,image,mask=thresh1))

阈值的选择方法：

第一种方法：
#Otsu‘s Method
#自动选择阈值

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像二值化
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')



#Otsu‘s Method
#自动选择阈值

ret6,thresh6=cv2.threshold(gray,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)
ret7,thresh7=cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)

plt.imshow(thresh7,'gray')
plt.axis('off')
plt.show()

效果展示：

 

第二种方法：

# #Adaptive Thresholding自适应阈值
# 在前面的部分我们使用的是全局阈值，整幅图像采用同一个数值作为阈值。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在其对应的阈值。因此再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。
#
# Adaptive Method指定阈值的计算方法。
# cv2.ADPTIVE_THRESH_MEAN_C：阈值去相邻区域的平均值（平均值阈值）
# cv2.ADPTIVE_THRESH_GAUSSIAN_C：阈值取值相邻区域的加权和，权重为一个高斯窗口。（高斯阈值）
# Block Size 邻域大小（用来计算阈值的区域大小）。
# C这就是一个常数，阈值就等于平均值或者加权平均值减去这个常数

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像二值化
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')



#灰度图的效果显示图片
gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
plt.imshow(gray,'gray')
plt.axis('off')
# plt.show()


# #Adaptive Thresholding自适应阈值
# 在前面的部分我们使用的是全局阈值，整幅图像采用同一个数值作为阈值。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在其对应的阈值。因此再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。
#
# Adaptive Method指定阈值的计算方法。
# cv2.ADPTIVE_THRESH_MEAN_C：阈值去相邻区域的平均值（平均值阈值）
# cv2.ADPTIVE_THRESH_GAUSSIAN_C：阈值取值相邻区域的加权和，权重为一个高斯窗口。（高斯阈值）
# Block Size 邻域大小（用来计算阈值的区域大小）。
# C这就是一个常数，阈值就等于平均值或者加权平均值减去这个常数

#中值滤波
image=cv2.medianBlur(image,5)
#普通二值化
ret,th1=cv2.threshold(image,127,255,cv2.THRESH_BINARY)
#平均值阈值
th2=cv2.adaptiveThreshold(image,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,3)
#高斯阈值
th3=cv2.adaptiveThreshold(image,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,11,3)
titles=['original','Global Thresholding','Adaptive Mean Thresholding','Adaptive Gaussian Thresholding']
images=[image,th1,th2,th3]
plt.figure(figsize=(10,5))
for i in range(4):
    plt.subplot(2,2,i+1)
    plt.imshow(images[i],"gray")
    plt.axis('off')
    plt.title(titles[i])
plt.show()

出现了问题：

F:\\开发工具\\pythonProject\\tools\\venv\\Scripts\\python.exe F:/开发工具/pythonProject/tools/opencv/open18.py
Traceback (most recent call last):
  File "F:\\开发工具\\pythonProject\\tools\\opencv\\open18.py", line 79, in <module>
    th2=cv2.adaptiveThreshold(image,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,3)
cv2.error: OpenCV(4.5.2) C:\\Users\\runneradmin\\AppData\\Local\\Temp\\pip-req-build-m8us58q4\\opencv\\modules\\imgproc\\src\\thresh.cpp:1676: error: (-215:Assertion failed) src.type() == CV_8UC1 in function 'cv::adaptiveThreshold'


Process finished with exit code 1

解决办法：

import numpy as np
import matplotlib.pyplot as plt
import cv2
#图像二值化
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

def imread(image):
    image=cv2.imread(image)
    #把图像的BGR转换成RGB
    image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
image=imread('im.jpg')



#灰度图的效果显示图片
gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
plt.imshow(gray,'gray')
plt.axis('off')
# plt.show()


# #Adaptive Thresholding自适应阈值
# 在前面的部分我们使用的是全局阈值，整幅图像采用同一个数值作为阈值。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在其对应的阈值。因此再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。
#
# Adaptive Method指定阈值的计算方法。
# cv2.ADPTIVE_THRESH_MEAN_C：阈值去相邻区域的平均值（平均值阈值）
# cv2.ADPTIVE_THRESH_GAUSSIAN_C：阈值取值相邻区域的加权和，权重为一个高斯窗口。（高斯阈值）
# Block Size 邻域大小（用来计算阈值的区域大小）。
# C这就是一个常数，阈值就等于平均值或者加权平均值减去这个常数

#中值滤波
image=cv2.medianBlur(gray,5)
#普通二值化
ret,th1=cv2.threshold(image,127,255,cv2.THRESH_BINARY)
#平均值阈值
th2=cv2.adaptiveThreshold(image,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,3)
#高斯阈值
th3=cv2.adaptiveThreshold(image,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,11,3)
titles=['original','Global Thresholding','Adaptive Mean Thresholding','Adaptive Gaussian Thresholding']
images=[image,th1,th2,th3]
plt.figure(figsize=(10,5))
for i in range(4):
    plt.subplot(2,2,i+1)
    plt.imshow(images[i],"gray")
    plt.axis('off')
    plt.title(titles[i])
plt.show()

把这个变换一下：

image=imread('im.jpg')



#灰度图的效果显示图片
gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
plt.imshow(gray,'gray')
plt.axis('off')
# plt.show()



#中值滤波
image=cv2.medianBlur(gray,5)#这让这里读入灰度图，不要原始图片，问题解决掉了
#普通二值化
ret,th1=cv2.threshold(image,127,255,cv2.THRESH_BINARY)

效果展示：