opencv学习图像阈值和平滑处理

Posted 2023-03-13 追剧入迷人

1. 图像阈值

ret, dst = cv2.threshold(src, thresh, maxval, type)

• src： 输入图，只能输入单通道图像，通常来说为灰度图

• dst： 输出图

• thresh： 阈值

• maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值

• type：二值化操作的类型，包含以下5种类型：

1. cv2.THRESH_BINARY： 超过阈值部分取maxval（最大值），否则取0

2. cv2.THRESH_BINARY_INV ：THRESH_BINARY的反转

3. cv2.THRESH_TRUNC ：大于阈值部分设为阈值，否则不变

4. cv2.THRESH_TOZERO ：大于阈值部分不改变，否则设为0

5. cv2.THRESH_TOZERO_INV ：THRESH_TOZERO的反转

python代码及其效果图如下：

import cv2 #opencv读取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt#Matplotlib是RGB
%matplotlib inline 

img=cv2.imread('E:/opencv/open-cv/2-7/dog.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)


ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)

titles = ['Original Image', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

for i in range(6):
    plt.subplot(2, 3, i + 1), plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()

设置阈值，画出对应图像如下图：

可以看出，不同的type其得到的图差距很大。

2. 图像平滑处理

2.1 读取图像

读取了加噪声的图像，方便后面比较。

img = cv2.imread('E:/opencv/open-cv/2-7/lenaNoise.png')

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.2 均值滤波

cv2.blur(img,ksize) 均值滤波

• img：原图像

• ksize：核大小

• 原理：它只取内核区域下所有像素的平均值并替换中心元素。

• 特征：核中区域贡献率相同。

• 作用：滤除椒盐噪声效果比较好。

blur = cv2.blur(img, (3, 3))

cv2.imshow('blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

对比原来其效果如图所示：

2.3 方框滤波

cv2.boxFilter(img,-1,ksize,normalize=True)

注意函数区别：当normalize=True时，与均值滤波结果相同， normalize=False，表示对加和后的结果不进行平均操作，大于255的使用255表示。

box = cv2.boxFilter(img,-1,(3,3), normalize=True)  

cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()

normalize=True

normalize=False

其效果对比如如上所示。

2.4 高斯滤波

cv2.GuassianBlur(img, ksize,sigmaX,sigmaY)

其中sigmaX,sigmaY分别表示X,Y方向的标准偏差。如果仅指定了sigmaX，则sigmaY与sigmaX相同。

aussian = cv2.GaussianBlur(img, (5, 5), 1)  

cv2.imshow('aussian', aussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.5 中值滤波

cv2.medianBlur(img, k)

原理：imgs为原图像，k为方框的尺寸，相当于将方框内的个值进行排序，取中值作为当前值。

python程序和效果图如下：

median = cv2.medianBlur(img, 5)  # 中值滤波

cv2.imshow('median', median)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.6 四种滤波算法对比

python代码和图像如下：

res = np.hstack((blur,box1,aussian,median))
#print (res)
cv2.imshow('median vs average', res)
cv2.waitKey(0)
cv2.destroyAllWindows()