OpenCV-Python基础教程5-阈值分割与Otsu阈值法

Posted 2021-02-04 墨麟非攻

一、固定阈值分割

import cv2
import matplotlib.pyplot as plt

# 灰度图读入
img = cv2.imread(\'gradient.jpg\', 0)

# 阈值分割
ret, th = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

cv2.imshow(\'thresh\', th)
cv2.waitKey(0)

cv2.threshold()用来实现阈值分割，有4个参数：

• 参数1：要处理的原图，一般是灰度图
  
• 参数2：设定的阈值
• 参数3：最大阈值，一般是255
• 参数4：阈值的方式，主要有5种，详情：ThresholdTypes

理解这5种阈值方式：

# 应用5种不同的阈值方法
ret, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
ret, th2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
ret, th3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
ret, th4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
ret, th5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)
titles = [\'Original\', \'BINARY\', \'BINARY_INV\', \'TRUNC\', \'TOZERO\', \'TOZERO_INV\']
images = [img, th1, th2, th3, th4, th5]

# 使用Matplotlib显示
# 两行三列图
for i in range(6):
    plt.subplot(2, 3, i + 1)
    plt.imshow(images[i], \'gray\')
    plt.title(titles[i], fontsize=8)
    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴
plt.show()

固定阈值将整幅图片分成两类值，它并不适用于明暗分布不均的图片。而cv2.adaptiveThreshold()自适应阈值会每次取图片的一小部分计算阈值。这样图片不同区域的阈值就不尽相同。

二、自适应矩阵

# 自适应阈值对比固定阈值
img = cv2.imread(\'sudoku.jpg\', 0)

# 固定阈值
ret, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 自适应阈值
th2 = cv2.adaptiveThreshold(
    img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 4)
th3 = cv2.adaptiveThreshold(
    img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 17, 6)

titles = [\'Original\', \'Global(v = 127)\', \'Adaptive Mean\', \'Adaptve Gaussian\']
images = [img, th1, th2, th3]

for i in range(4):
    plt.subplot(2, 2, i + 1), plt.imshow(images[i], \'gray\')
    plt.title(titles[i], fontsize=8)
    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴
plt.show()

cv2.adaptiveThreshold()的6个参数：

• 参数1：要处理的原图
• 参数2：最大阈值，一般为255
• 参数3：小区域阈值的计算方式

　　　　ADAPTIVE_THRESH_MEAN_C：小区域内取均值

　　　　ADAPTIVE_THRESH_GAUSSIAN_C：小区域内加权求和，权重是高斯核

• 参数4：阈值方式（上面提到的那5种）
• 参数5：小区域的面积，如11就是11 * 11的小块
• 参数6：最终阈值等于小区域计算出的阈值再减去此值

我们前面固定阈值的时候使用了127，那怎么知道这个阈值好不好呢？这个需要不断的尝试，在很多文献中在特定的场景下有经验阈值。Otsu阈值法就提供了一种自动高效的二值化方法。我将在下一篇提到。

三、小结

cv2.threshold()用来进行固定阈值分割，固定阈值分割不适用于光线不均匀的图片，所以用cv2.adaptiveThreshold()进行自适应阈值分割。当然，对于不同图片可以采用的不同的阈值分割方法。