OpenCV-Python基础教程5-阈值分割与Otsu阈值法

Posted 墨麟非攻

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了OpenCV-Python基础教程5-阈值分割与Otsu阈值法相关的知识,希望对你有一定的参考价值。

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。

 

 

以上是关于OpenCV-Python基础教程5-阈值分割与Otsu阈值法的主要内容,如果未能解决你的问题,请参考以下文章

OpenCV-Python基础教程2-PyQt编写GUI界面

scikit-image 中用于图像分割的阈值算法

2. OpenCV-Python——阈值平滑处理形态学操作

2. OpenCV-Python——阈值平滑处理形态学操作

Python对DICOM图像进行阈值分割

OpenCV-Python:轮廓