這篇隨筆介紹使用OpenCV進行影像處理的第五章 閾值處理，
5 閾值處理
閾值是指像素到達某臨界值，閾值處理表示像素到達某臨界值后，對該像素點進行操作和處理，
例如：設定一幅影像素閾值為200，則圖片中所有大于200的像素點設定為255，圖片中所有小于或等于200的像素點設定為0，
5.1 處理型別
OpenCV中提供了cv2.threshold()函式進行閾值處理，
該函式中，要設定閾值處理的型別，常見型別如下：
cv2.THRESH_BINARY 二值化閾值處理
cv2.THRESH_BINARY _INV 反二值化閾值處理
cv2.THRESH_TRUNC 截斷閾值處理
cv2.THRESH_TOZERO_INV 超閾值零處理
cv2.THRESH_TOZERO 低閾值零處理
cv2.THRESH_MASK 掩碼處理
cv2.THRESH_OTSU Otsu演算法閾值處理
此外，OpenCV還提供了cv2.adaptiveThreshold()函式進行自適應閾值處理，
5.2 二值化閾值處理（cv2.THRESH_BINARY）
該方法表示：對于像素值大于閾值thresh的像素點，將其設定為最大值；對于像素值小于閾值thresh的像素點，將其設定為0，
使用函式cv2.threshold()對影像進行二值化閾值操作代碼如下：
1 import cv2
2 img=cv2.imread('E:\python_opencv/tupian.jpg')
3 t,rst=cv2.threshold(img,127,255,cv2.THRESH_BINARY) #型別設定為cv2.THRESH_BINARY，閾值設定為127
4 cv2.imshow('img',img)
5 cv2.imshow('rst',rst)
6 cv2.waitKey()
7 cv2.destroyAllWindows()
運行結果如下圖，左為原影像，右為二值化閾值處理結果，
5.3 反二值化閾值處理（cv2.THRESH_BINARY_INV）
該方法表示：對于像素值大于閾值thresh的像素點，將其設定為0；對于像素值小于閾值thresh的像素點，將其設定為最大值，
使用函式cv2.threshold()對影像進行二值化閾值操作代碼如下：
1 import cv2
2 img=cv2.imread('E:\python_opencv/tupian.jpg')
3 t,rst=cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV) #型別設定為cv2.THRESH_BINARY_INV，閾值設定為127
4 cv2.imshow('img',img)
5 cv2.imshow('rst',rst)
6 cv2.waitKey()
7 cv2.destroyAllWindows()
運行結果如下圖，左為原影像，右為反二值化閾值處理結果，
5.4 截斷閾值化處理（cv2.THRESH_TRUNC）
該方法表示：對于像素值大于閾值thresh的像素點，將其設定為閾值；對于像素值小于閾值thresh的像素點，保持不變，
使用函式cv2.threshold()對影像進行截斷閾值化處理代碼如下：
1 import cv2
2 img=cv2.imread('E:\python_opencv/tupian.jpg')
3 t,rst=cv2.threshold(img,127,255,cv2.THRESH_TRUNC) #型別設定為cv2.THRESH_TRUNC，閾值設定為127
4 cv2.imshow('img',img)
5 cv2.imshow('rst',rst)
6 cv2.waitKey()
7 cv2.destroyAllWindows()
運行結果如下圖，左為原影像，右為截斷閾值化處理結果，
5.5 超閾值零處理（cv2.THRESH_TOZERO_INV）
該方法表示：對于像素值大于閾值thresh的像素點，將其設定為0；對于像素值小于閾值thresh的像素點，保持不變，
使用函式cv2.threshold()對影像進行超閾值零處理代碼如下：
1 import cv2
2 img=cv2.imread('E:\python_opencv/tupian.jpg')
3 t,rst=cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV) #型別設定為cv2.THRESH_TOZERO_INV，閾值設定為127
4 cv2.imshow('img',img)
5 cv2.imshow('rst',rst)
6 cv2.waitKey()
7 cv2.destroyAllWindows()
運行結果如下圖，左為原影像，右為超閾值零處理結果，
5.6 低閾值零處理（cv2.THRESH_TOZERO）
該方法表示：對于像素值小于或等于閾值thresh的像素點，將其設定為0；對于像素值大于閾值thresh的像素點，保持不變，
使用函式cv2.threshold()對影像進行低閾值零處理代碼如下：
1 import cv2
2 img=cv2.imread('E:\python_opencv/tupian.jpg')
3 t,rst=cv2.threshold(img,127,255,cv2.THRESH_TOZERO) #型別設定為cv2.THRESH_TOZERO，閾值設定為127
4 cv2.imshow('img',img)
5 cv2.imshow('rst',rst)
6 cv2.waitKey()
7 cv2.destroyAllWindows()
運行結果如下圖，左為原影像，右為低閾值零處理結果，
5.7 自適應閾值處理
一般情況下，影像中只是用一個閾值，就會造成輪廓與內容分割不均衡，無法得到清晰有效的閾值處理影像，
OpenCV中提供了cv2.adaptiveThreshold()函式用于實作自適應閾值處理，自適應閾值處理的原理，是通過計算每個像素點的鄰域像素進行加權平均而獲得閾值，能夠較好地處理色彩不均衡的影像，
cv2.adaptiveThreshold()函式中，有兩個引數型別：
cv2.ADAPTIVE_THRESH_MEAN_C 鄰域內所有像素點的權重都相同
cv2.ADAPTIVE_THRESH_GAUSSIAN_C 通過高斯方程得到各個像素點的權重值，與鄰域內像素點到中心的距離有關
使用二值化閾值函式cv2.threshold()對影像進行自適應閾值處理代碼如下：
1 import cv2
2 img=cv2.imread('E:\python_opencv/tupian.jpg',0)
3 #型別設定為cv2.ADAPTIVE_THRESH_MEAN_C，后面必須加cv2.THRESH_BINARY或cv2.THRESH_BINARY_INV，鄰域大小設定為5×5，最后的3是常量
4 athdMEAN=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,5,3)
5 #型別設定為cv2.ADAPTIVE_THRESH_GAUSSIAN_C，后面必須加cv2.THRESH_BINARY或cv2.THRESH_BINARY_INV，鄰域大小設定為5×5，最后的3是常量
6 athdGAUS=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)
7 cv2.imshow('img',img)
8 cv2.imshow('athdMEAN',athdMEAN)
9 cv2.imshow('athdGAUS',athdGAUS)
10 cv2.waitKey()
11 cv2.destroyAllWindows()
運行結果如下圖，左為原影像，中為像素權重平均處理結果，右為高斯權重值處理結果，可以看到，自適應閾值處理保留了更多的細節資訊，
5.8 Otsu方法（cv2.THRESH_OTSU）
Otsu方法能夠根據當前影像生成最佳的類間分割閾值，原理是遍歷所有可能的閾值，從而找到最合適的閾值，
通過函式cv2.threshold()中傳遞型別引數：cv2.THRESH_OTSU，來實作Otsu演算法，
需要注意的是，在使用Otsu方法時，要把閾值設定為0，陳述句為：
# t是Otsu方法得到并使用的最合適閾值，引數中閾值設定為0，傳遞兩種型別
t,otsu=cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
使用Otsu方法對影像進行自適應閾值處理代碼如下：
1 import cv2
2 img=cv2.imread('E:\python_opencv/tupian.jpg',0)
3 #型別設定為cv2.THRESH_BINARY+cv2.THRESH_OTSU，閾值設定為0
4 t,otsu=cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
5 cv2.imshow('img',img)
6 cv2.imshow('otsu',otsu)
7 cv2.waitKey()
8 cv2.destroyAllWindows()
運行結果如下圖，左為原影像，右為Otsu方法處理結果，
這次內容就分享到這里了，下次繼續更新第6章 影像平滑處理，希望與各位老師和小伙伴們交流學習~
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/270792.html
標籤：其他