這篇文章將為大家詳細(xì)講解有關(guān)怎么在Python中利用opencv對(duì)圖像閾值進(jìn)行處理，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對(duì)相關(guān)知識(shí)有一定的了解。

我們提供的服務(wù)有：成都網(wǎng)站設(shè)計(jì)、做網(wǎng)站、微信公眾號(hào)開發(fā)、網(wǎng)站優(yōu)化、網(wǎng)站認(rèn)證、陽明ssl等。為上千余家企事業(yè)單位解決了網(wǎng)站和推廣的問題。提供周到的售前咨詢和貼心的售后服務(wù)，是有科學(xué)管理、有技術(shù)的陽明網(wǎng)站制作公司

（一）簡(jiǎn)單閾值

簡(jiǎn)單閾值當(dāng)然是最簡(jiǎn)單，選取一個(gè)全局閾值，然后就把整幅圖像分成了非黑即白的二值圖像了。函數(shù)為cv2.threshold()
這個(gè)函數(shù)有四個(gè)參數(shù)，第一個(gè)原圖像，第二個(gè)進(jìn)行分類的閾值，第三個(gè)是高于（低于）閾值時(shí)賦予的新值，第四個(gè)是一個(gè)方法選擇參數(shù)，常用的有：

• cv2.THRESH_BINARY（黑白二值）

• cv2.THRESH_BINARY_INV（黑白二值反轉(zhuǎn)）

• cv2.THRESH_TRUNC （得到的圖像為多像素值）

• cv2.THRESH_TOZERO

• cv2.THRESH_TOZERO_INV

該函數(shù)有兩個(gè)返回值，第一個(gè)retVal（得到的閾值值（在后面一個(gè)方法中會(huì)用到）），第二個(gè)就是閾值化后的圖像。
一個(gè)實(shí)例如下：

import cv2
import matplotlib.pyplot as plt

img = cv2.imread('flower.jpg',0) #直接讀為灰度圖像
ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret,thresh6 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)
titles = ['img','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [img,thresh2,thresh3,thresh4,thresh5,thresh6]
for i in range(6):
 plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
 plt.title(titles[i])
 plt.xticks([]),plt.yticks([])
plt.show()

 

可以看到這里把閾值設(shè)置成了127，對(duì)于BINARY方法，當(dāng)圖像中的灰度值大于127的重置像素值為255.

（二）自適應(yīng)閾值：

前面看到簡(jiǎn)單閾值是一種全局性的閾值，只需要規(guī)定一個(gè)閾值值，整個(gè)圖像都和這個(gè)閾值比較。而自適應(yīng)閾值可以看成一種局部性的閾值，通過規(guī)定一個(gè)區(qū)域大小，比較這個(gè)點(diǎn)與區(qū)域大小里面像素點(diǎn)的平均值（或者其他特征）的大小關(guān)系確定這個(gè)像素點(diǎn)是屬于黑或者白（如果是二值情況）。使用的函數(shù)為：cv2.adaptiveThreshold（）
該函數(shù)需要填6個(gè)參數(shù)：

1. 第一個(gè)原始圖像

2. 第二個(gè)像素值上限

3. 第三個(gè)自適應(yīng)方法Adaptive Method:

1. — cv2.ADAPTIVE_THRESH_MEAN_C ：領(lǐng)域內(nèi)均值

2. —cv2.ADAPTIVE_THRESH_GAUSSIAN_C ：領(lǐng)域內(nèi)像素點(diǎn)加權(quán)和，權(quán) 重為一個(gè)高斯窗口

4. 第四個(gè)值的賦值方法：只有cv2.THRESH_BINARY 和cv2.THRESH_BINARY_INV

5. 第五個(gè)Block size:規(guī)定領(lǐng)域大小（一個(gè)正方形的領(lǐng)域）

6. 第六個(gè)常數(shù)C，閾值等于均值或者加權(quán)值減去這個(gè)常數(shù)（為0相當(dāng)于閾值 就是求得領(lǐng)域內(nèi)均值或者加權(quán)值）

這種方法理論上得到的效果更好，相當(dāng)于在動(dòng)態(tài)自適應(yīng)的調(diào)整屬于自己像素點(diǎn)的閾值，而不是整幅圖像都用一個(gè)閾值。

一個(gè)實(shí)例如下：

mport cv2
import matplotlib.pyplot as plt

img = cv2.imread('flower.jpg',0) #直接讀為灰度圖像
ret,th2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\
cv2.THRESH_BINARY,11,2) #換行符號(hào) \
th4 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\
cv2.THRESH_BINARY,11,2) #換行符號(hào) \
images = [img,th2,th3,th4]
plt.figure()
for i in xrange(4):
 plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')
plt.show()

 

可以看到上述窗口大小使用的為11，當(dāng)窗口越小的時(shí)候，得到的圖像越細(xì)。想想一下，如果把窗口設(shè)置足夠大以后（不能超過圖像大?。敲吹玫降慕Y(jié)果可能就和第二幅圖像的相同了。

（三）Otsu's二值化

我們前面說到，cv2.threshold函數(shù)是有兩個(gè)返回值的，前面一直用的第二個(gè)返回值，也就是閾值處理后的圖像，那么第一個(gè)返回值（得到圖像的閾值）將會(huì)在這里用到。

前面對(duì)于閾值的處理上，我們選擇的閾值都是127，那么實(shí)際情況下，怎么去選擇這個(gè)127呢？有的圖像可能閾值不是127得到的效果更好。那么這里我們需要算法自己去尋找到一個(gè)閾值，而Otsu's就可以自己找到一個(gè)認(rèn)為最好的閾值。并且Otsu's非常適合于圖像灰度直方圖具有雙峰的情況，他會(huì)在雙峰之間找到一個(gè)值作為閾值，對(duì)于非雙峰圖像，可能并不是很好用。那么經(jīng)過Otsu's得到的那個(gè)閾值就是函數(shù)cv2.threshold的第一個(gè)參數(shù)了。因?yàn)镺tsu's方法會(huì)產(chǎn)生一個(gè)閾值，那么函數(shù)cv2.threshold的的第二個(gè)參數(shù)（設(shè)置閾值）就是0了，并且在cv2.threshold的方法參數(shù)中還得加上語句cv2.THRESH_OTSU。那么什么是雙峰圖像（只能是灰度圖像才有），就是圖像的灰度統(tǒng)計(jì)圖中可以明顯看出只有兩個(gè)波峰，比如下面一個(gè)圖的灰度直方圖就可以是雙峰圖：

 

好了現(xiàn)在對(duì)這個(gè)圖進(jìn)行Otsu's閾值處理就非常的好，通過函數(shù)cv2.threshold會(huì)自動(dòng)找到一個(gè)介于兩波峰之間的閾值。一個(gè)實(shí)例如下：

import cv2
import matplotlib.pyplot as plt

img = cv2.imread('finger.jpg',0) #直接讀為灰度圖像
#簡(jiǎn)單濾波
ret1,th2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
#Otsu 濾波
ret2,th3 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
print ret2
plt.figure()
plt.subplot(221),plt.imshow(img,'gray')
plt.subplot(222),plt.hist(img.ravel(),256)#.ravel方法將矩陣轉(zhuǎn)化為一維
plt.subplot(223),plt.imshow(th2,'gray')
plt.subplot(224),plt.imshow(th3,'gray')

 

關(guān)于怎么在Python中利用opencv對(duì)圖像閾值進(jìn)行處理就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。

網(wǎng)站欄目：怎么在Python中利用opencv對(duì)圖像閾值進(jìn)行處理-創(chuàng)新互聯(lián)
轉(zhuǎn)載注明：http://jinyejixie.com/article30/dissso.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供商城網(wǎng)站、用戶體驗(yàn)、搜索引擎優(yōu)化、域名注冊(cè)、網(wǎng)站設(shè)計(jì)、微信小程序

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)