Python+OpenCV圖像處理（十）—— 圖像二值化

簡介：圖像二值化就是將圖像上的像素點的灰度值設置為0或255，也就是將整個圖像呈現出明顯的黑白效果的過程。

一、普通圖像二值化

代碼如下：

import cv2 as cv
import numpy as np

#全局閾值
def threshold_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY)  #把輸入圖像灰度化
    #直接閾值化是對輸入的單通道矩陣逐像素進行閾值分割。
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_TRIANGLE)
    print("threshold value %s"%ret)
    cv.namedWindow("binary0", cv.WINDOW_NORMAL)
    cv.imshow("binary0", binary)

#局部閾值
def local_threshold(image):
    gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY)  #把輸入圖像灰度化
    #自適應閾值化能夠根據圖像不同區域亮度分布，改變閾值
    binary =  cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY, 25, 10)
    cv.namedWindow("binary1", cv.WINDOW_NORMAL)
    cv.imshow("binary1", binary)

#用戶自己計算閾值
def custom_threshold(image):
    gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY)  #把輸入圖像灰度化
    h, w =gray.shape[:2]
    m = np.reshape(gray, [1,w*h])
    mean = m.sum()/(w*h)
    print("mean:",mean)
    ret, binary =  cv.threshold(gray, mean, 255, cv.THRESH_BINARY)
    cv.namedWindow("binary2", cv.WINDOW_NORMAL)
    cv.imshow("binary2", binary)

src = cv.imread('E:/imageload/kobe.jpg')
cv.namedWindow('input_image', cv.WINDOW_NORMAL) #設置為WINDOW_NORMAL可以任意縮放
cv.imshow('input_image', src)
threshold_demo(src)
local_threshold(src)
custom_threshold(src)
cv.waitKey(0)
cv.destroyAllWindows()

運行結果：

注意：

1.全局閾值

①OpenC的threshold函數進行全局閾值。其函數原型為：threshold(src, thresh, maxval, type[, dst]) -> retval, dst

src參數表示輸入圖像（多通道，8位或32位浮點）。

thresh參數表示閾值。

maxval參數表示與THRESH_BINARY和THRESH_BINARY_INV閾值類型一起使用設置的最大值。

type參數表示閾值類型。

retval參數表示返回的閾值。若是全局固定閾值算法，則返回thresh參數值。若是全局自適應閾值算法，則返回自適應計算得出的合適閾值。

dst參數表示輸出與src相同大小和類型以及相同通道數的圖像。

②type參數閾值類型這部分參考博客：https://blog.csdn.net/iracer/article/details/49232703  ，寫的很不錯。

閾值類型：

閾值類型圖示：

③type參數單獨選擇上述五種閾值類型時，是固定閾值算法，效果比較差。

此外還有自適應閾值算法：（自適應計算合適的閾值，而不是固定閾值）

比如結合cv.THRESH_OTSU，寫成cv.THRESH_BINARY | cv.THRESH_OTSU。例子：ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU) #大律法,全局自適應閾值,第二個參數值0可改為任意數字但不起作用。 

比如結合cv.THRESH_TRIANGLE，寫成cv.THRESH_BINARY | cv.THRESH_TRIANGLE。例子：ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_TRIANGLE) #TRIANGLE法,全局自適應閾值,第二個參數值0可改為任意數字但不起作用，適用於單個波峰。  

補：

cv.THRESH_OTSU和cv.THRESH_TRIANGLE也可單獨使用，不一定要寫成和固定閾值算法結合的形式。單獨寫和結合起來寫，都是自適應閾值算法優先。

例子：ret, binary = cv.threshold(gray, 0, 255,  cv.THRESH_OTSU) #大律法       ret, binary = cv.threshold(gray, 0, 255,  cv.THRESH_TRIANGLE) #TRIANGLE法  

2.局部閾值

OpenCV的adaptiveThreshold函數進行局部閾值。函數原型為：adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) -> dst

src參數表示輸入圖像（8位單通道圖像）。

maxValue參數表示使用 THRESH_BINARY 和 THRESH_BINARY_INV 的最大值.

adaptiveMethod參數表示自適應閾值算法，平均 （ADAPTIVE_THRESH_MEAN_C）或高斯（ADAPTIVE_THRESH_GAUSSIAN_C）。

thresholdType參數表示閾值類型，必須為THRESH_BINARY或THRESH_BINARY_INV的閾值類型。

blockSize參數表示塊大小（奇數且大於1，比如3，5，7........ ）。

C參數是常數，表示從平均值或加權平均值中減去的數。 通常情況下，這是正值，但也可能為零或負值。

補：在使用平均和高斯兩種算法情況下，通過計算每個像素周圍blockSize x blockSize大小像素塊的加權均值並減去常量C即可得到自適應閾值。如果使用平均的方法，則所有像素周圍的權值相同；如果使用高斯的方法，則每個像素周圍像素的權值則根據其到中心點的距離通過高斯方程得到。

參考：https://blog.csdn.net/guduruyu/article/details/68059450

3.numpy的reshape函數是給數組一個新的形狀而不改變其數據，函數原型：reshape(a, newshape, order='C')

a參數表示需要重新形成的原始數組。

newshape參數表示int或int類型元組（tuple），若為(1, 3),表示生成的新數組是1行3列。

order參數表表示使用此索引順序讀取a的元素，並使用此索引順序將元素放置到重新形成的數組中。

函數返回值：如果可能的話，這將是一個新的視圖對象; 否則，它會成為副本。