OpenCV-Python入門教程5-閾值分割

1、固定閾值分割

import cv2 import matplotlib.pyplot as plt

# 灰度圖讀入
img = cv2.imread('gradient.jpg', 0) # 閾值分割
ret, th = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) cv2.imshow('thresh', th) cv2.waitKey(0)

cv2.threshold()用來實現閾值分割，有4個參數：

• 參數1：要處理的原圖，通常是灰度圖
  
• 參數2：設定的閾值
• 參數3：最大閾值，通常是255
• 參數4：閾值的方式，主要有5種，詳情：ThresholdTypes

理解這5種閾值方式：

# 應用5種不一樣的閾值方法
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顯示 # 兩行三列圖
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([]) # 隱藏座標軸
plt.show()

固定閾值將整幅圖片分紅兩類值，它並不適用於明暗分佈不均的圖片。而cv2.adaptiveThreshold()自適應閾值會每次取圖片的一小部分計算閾值。這樣圖片不一樣區域的閾值就不盡相同。

2、自適應矩陣

# 自適應閾值對比固定閾值
img = cv2.imread('sudoku.jpg', 0) # 固定閾值
ret, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # 自適應閾值
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([]) # 隱藏座標軸
plt.show()

cv2.adaptiveThreshold()的6個參數：

• 參數1：要處理的原圖
• 參數2：最大閾值，通常爲255
• 參數3：小區域閾值的計算方式

　　　　ADAPTIVE_THRESH_MEAN_C：小區域內取均值

　　　　ADAPTIVE_THRESH_GAUSSIAN_C：小區域內加權求和，權重是高斯核

• 參數4：閾值方式（上面提到的那5種）
• 參數5：小區域的面積，如11就是11 * 11的小塊
• 參數6：最終閾值等於小區域計算出的閾值再減去此值

咱們前面固定閾值的時候使用了127，那怎麼知道這個閾值好很差呢？這個須要不斷的嘗試，在不少文獻中在特定的場景下有經驗閾值。Otsu閾值法就提供了一種自動高效的二值化方法。我將在下一篇提到。

3、小結

cv2.threshold()用來進行固定閾值分割，固定閾值分割不適用於光線不均勻的圖片，因此用cv2.adaptiveThreshold()進行自適應閾值分割。固然，對於不一樣圖片能夠採用的不一樣的閾值分割方法。