OpenCV 第10课图像处理—阈值处理

1. 图像二值化

图像二值化就是将图像上的像素点的灰度值设置为两个值，一般为0（表示黑色）和255（表示白色），可以将整个图像呈现出明显的黑白效果。

最常用的方法就是先将图像灰度处理，然后设定一个阈值，用该阈值将图像分成两个部分，即大于阈值的部分和小于阈值的部分，然后再将两部分图像分别赋予不同像素值。

图像二值化有利于图像的进一步处理，使图像变得简单，并且减少了书质量，可以凹显出感兴趣的目标轮廓。

阈值处理根据不同的情况，可以选择三种处理方式：全局阈值处理，自适应阈值处理和Otsu阈值处理。

2. 全局阈值处理

python 复制代码

import cv2

img = cv2.imread('test10.1.jpg')
img_gray=cv2.cvtColor(img , cv2.COLOR_BGR2GRAY)
ret, img2 = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)

cv2.imshow("BINARY",img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

全局阈值处理会按照设定好的阈值来处理整个图像

阈值处理函数：

threshold(src, thresh, maxval, type)

第一个参数"src"，是要阈值处理的图像。
第二个参数"thresh"，是设定的阈值。
第三个参数"maxval"，当type 指定为THRESH_BINARY 或THRESH_BINARY_INV时，才需要设置该值，指的是高于（低于）阈值时赋予的新值。
第四个参数"type"，阈值的处理方法，具体如下：

cv2.THRESH_BINARY：超过阈值部分取maxval，否则取0；此方法会将原始图像处理为仅有两个值的二值图像，对于灰度值大于阈值的像素点，将其灰度值设定为最大值。对于灰度值小于或等于阈值的像素点，将其灰度值设定为0。
cv2.THRESH_BINARY_INV：大于阈值的部分变为0，其他部分变为maxval；此方法会将原始图像处理为仅有两个值的二值图像，对于灰度值大于阈值的像素点，将其灰度值设定为0。对于灰度值小于或等于阈值的像素点，将其灰度值设定为最大值。
cv2.THRESH_TRUNC：大于阈值部分设为阈值，否则不变，相当于进行一个截断；此方法会将图像中大于阈值的像素点的值设定为阈值，小于或等于该阈值的像素点的值保持不变。
cv2.THRESH_TOZERO：大于阈值部分不改变，否则设为0；此方法会将图像中小于或等于阈值的像素点的值处理为0，大于阈值的像素点的值保持不变。即先选定一个阈值，然后对于像素值大于阈值的像素点，其值将保持不变。对于像素值小于或等于阈值的像素点，其值将被处理为0。
cv2.THRESH_TOZERO_INV：大于阈值的部分变为0，其余部分不变。会将图像中大于阈值的像素点的值处理为0，小于或等于该阈值的像素点的值保持不变。即先选定一个阈值，然后对于像素值大于阈值的像素点，其像素值将被处理为0。对于像素值小于或等于阈值的像素点，其像素值将保持不变。

3. 自适应阈值处理

自适应阈值会局部计算每一个区域阈值来处理图像。

对于一副色彩均衡的图像，一般直接将阈值设为127，这个阈值是经验获得的，设置这个阈值比较合适。

python 复制代码

import cv2
img = cv2.imread("test10.1.jpg")
img_gray=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img2 = cv2.adaptiveThreshold(img_gray, 255 , cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,5,3)
cv2.imshow("BINARY",img2)
cv2.waitKey(0)
cv2.destoryAllWindows()

但是，当有的图像色彩分布不均衡时，用127这个阈值，效果就会很差，此时就要考虑别的阈值处理方法，比如自适应阈值处理方法或Otsu方法，而自适应阈值就是再图像上每一个小区域计算与其对应的阈值。

自适应阈值处理函数：

adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

第一个参数"src"，是要阈值处理的图像。
第二个参数"maxValue"，当参数thresholdType 为cvTHRESH_BINARY 或者cvTHRESH_BINARY_INV 时，该参数表示高于（低于）阈值时赋予的新值。
第三个参数"adaptiveMethod"，计算自适应阈值的方法，具体方法如下：

cv2.ADAPTIVE_THRESH_MEAN_C：这种方法是将邻域所有像素点的权重值都取一样；
cv2.ADAPTIVE_THRESH_GAUSSIAN_C：这种方法是通过高斯公式获得邻域所有像素点的权重值。这种权重值的选取就跟各邻域像素点到目标像素点的距离有关，距离越近权重越高，距离越远权重越低。
第四个参数"thresholdType"，表示阈值处理方式，这个参数是和maxValue
一起搭配使用的。这个参数只能选择cv2.THRESH_BINARY 或者cv2.THRESH_BINARY_INV中的一个。
第五个参数"blockSize"，表示邻域尺寸的大小，一般取3，5，7 等。
第六个参数"C"，是常量，阈值等于平均值或者加权平均值减去这个常数。这个参数实际上是一个偏移值调整量，用均值和高斯计算阈值后，再减或加这个值就是最终阈值。

4. Otsu阈值处理

Otsu阈值会自动计算出合适的阈值，Otsu方法又称最大类间方差法，通过把像素分类为两类或多类，计算类间方差，当方差达到最大值时，类分割线（即灰度值）就作为图像分割阈值。

python 复制代码

import cv2

img = cv2.imread('test10.1.jpg')
img_gray=cv2.cvtColor(img , cv2.COLOR_BGR2GRAY)
ret, img2 = cv2.threshold(img_gray,0,255,cv2.THRESH_BINARY + cv2.THRESH_OTSU)

cv2.imshow("BINARY",img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

Otsu阈值处理就是在threshold函数的参数type中，多传入一个参数cv2.THRESH_OTSU就可实现Otsu阈值分割，例如：

cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)，这里就要把thresh参数设为0，type参数设为cv2.THRESH_BINARY+cv2.THRESH_OTSU

OpenCV 第10课 图像处理—阈值处理

1. 图像二值化

2. 全局阈值处理

3. 自适应阈值处理

4. Otsu阈值处理

OpenCV 第10课图像处理—阈值处理