图像的二值化之python+opencv
来源:互联网 发布:it男士双肩包推荐 知乎 编辑:程序博客网 时间:2024/04/29 14:48
定义:图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
一幅图像包括目标物体、背景还有噪声,要想从多值的数字图像中直接提取出目标物体,常用的方法就是设定一个阈值T,用T将图像的数据分成两部分:大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法,称为图像的二值化(Binarization)。
简单的阈值-(全局阈值):
Python-OpenCV中提供了阈值(threshold)函数:
cv2.threshold()
函数:第一个参数 src 指原图像,原图像应该是灰度图。
第二个参数 x 指用来对像素值进行分类的阈值。
第三个参数 y 指当像素值高于(有时是小于)阈值时应该被赋予的新的像素值
第四个参数 Methods 指,不同的不同的阈值方法,这些方法包括:
•cv2.THRESH_BINARY 图(1)
•cv2.THRESH_BINARY_INV 图(2)
•cv2.THRESH_TRUNC 图(3)
•cv2.THRESH_TOZERO 图(4)
•cv2.THRESH_TOZERO_INV 图(5)
破折线为将被阈值化的值;虚线为阈值
图(1)
大于阈值的像素点的灰度值设定为最大值(如8位灰度值最大为255),灰度值小于阈值的像素点的灰度值设定为0。
大于阈值的像素点的灰度值设定为0,而小于该阈值的设定为255。
图(3)
像素点的灰度值小于阈值不改变,大于阈值的灰度值的像素点就设定为该阈值。
图(4)
像素点的灰度值小于该阈值的不进行任何改变,而大于该阈值的部分,其灰度值全部变为0。
图(5)
像素点的灰度值大于该阈值的不进行任何改变,像素点的灰度值小于该阈值的,其灰度值全部变为0。
Python+opencv代码:import cv2import numpy as npfrom matplotlib import pyplot as pltimg=cv2.imread('1.bmp')GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret,thresh1=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)ret,thresh2=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY_INV)ret,thresh3=cv2.threshold(GrayImage,127,255,cv2.THRESH_TRUNC)ret,thresh4=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO)ret,thresh5=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO_INV)titles = ['Gray Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']images = [GrayImage, thresh1, thresh2, thresh3, thresh4, thresh5]for i in xrange(6): plt.subplot(2,3,i+1),plt.imshow(images[i],'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([])plt.show()效果图:
自适应阈值:
当同一幅图像上的不同部分的具有不同亮度时。这种情况下我们需要采用自适应阈值。此时的阈值是根据图像上的每一个小区域计算与其对应的阈值。因此在同一幅图像上的不同区域采用的是不同的阈值,从而使我们能在亮度不同的情况下得到更好的结果。
cv2.adaptiveThreshold()
函数:第一个参数 src 指原图像,原图像应该是灰度图。
第二个参数 x 指当像素值高于(有时是小于)阈值时应该被赋予的新的像素值
第三个参数 adaptive_method 指: CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C
第四个参数 threshold_type 指取阈值类型:必须是下者之一 • CV_THRESH_BINARY,
• CV_THRESH_BINARY_INV
第五个参数 block_size 指用来计算阈值的象素邻域大小: 3, 5, 7, ...
第六个参数 param1 指与方法有关的参数。对方法CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C, 它是一个从均值或加权均值提取的常数, 尽管它可以是负数。
自适应阈值: 对方法CV_ADAPTIVE_THRESH_MEAN_C,先求出块中的均值,再减掉param1。
对方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C ,先求出块中的加权和(gaussian), 再减掉param1。
例如:
采用方法 CV_ADAPTIVE_THRESH_MEAN_C,阈值类型:CV_THRESH_BINARY, 阈值的象素邻域大小 block_size 选取3,参数param1 取3和5时:
部分原图像像素值 当参数param1为7时
选取对应领域(3*3)求其均值,然后减去参数param1的值为自适应阈值。测试时求得均值为小数时,貌似进行四舍五入之后再减去参数param1。(可能是我没测试准确,无聊时测试一下,共同学习)
Python+opencv代码:
import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('1.bmp')GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 中值滤波GrayImage= cv2.medianBlur(GrayImage,5)ret,th1 = cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)#3 为Block size, 5为param1值th2 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_MEAN_C,\ cv2.THRESH_BINARY,3,5)th3 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\ cv2.THRESH_BINARY,3,5)titles = ['Gray Image', 'Global Thresholding (v = 127)','Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding']images = [GrayImage, th1, th2, th3]for i in xrange(4): plt.subplot(2,2,i+1),plt.imshow(images[i],'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([])plt.show()效果图:
- 图像的二值化之python+opencv
- 图像的二值化之python+opencv
- opencv python 图像二值化
- opencv for python 之 简单的图像变化
- OpenCv-python之图像的缩放和旋转
- Opencv学习之图像的均衡化、二值化图像
- OpenCv-python之基础图像知识
- OpenCV与Python之图像的读入与显示以及利用Numpy的图像转换
- opencv之图像的腐蚀
- opencv之图像的旋转
- python opencv 实现图像的二值图
- [python + opencv] 图像的旋转和分块
- python opencv(10)图像的加噪
- Python下opencv图像的几何变换
- 基于opencv的Python图像处理
- python-opencv:图像的位运算
- opencv-python图像数据的读取
- python opencv的视频与图像操作
- leetcode:Move Zeroes
- 给初学者提供的PHP文件上传小程序
- Django 学习笔记
- 新浪微博接口接入
- [反汇编练习] 160个CrackMe之001
- 图像的二值化之python+opencv
- linux下定时执行任务的方法
- c++ primer第五版(中文)习题答案 第十章第五节第一小节-5类迭代器
- 基于python的贪吃蛇
- Android--使用LayoutInflater加载布局文件的三种方法
- 遍历HashMap的最佳方法
- 关于表单提交Form的action url 的填写
- Cocos2dxActivity cannot be resolved to a type
- hdoj 2296 Ring 【AC自动机 + dp】