二值化阈值调整:调整是指在进行图像二值化处理时,调整阈值的过程。阈值决定了将图像中的像素分为黑色和白色的界限,大于阈值的像素被设置为白色,小于等于阈值的像素被设置为黑色。
首先画出灰度直方图:横坐标是灰度值0—255,纵坐标是该灰度值的像素个数。
import cv2
from matplotlib import pyplot as plt
img = cv2.imread ('6.jpg', 0) # 读取图像并转换为灰度图像
hist = cv2.calcHist([img],[0],None,[256],[0,256]) # 计算灰度直方图
plt.hist(img.ravel( ),256,[0,256]) # 绘制直方图
plt.show()
方法一:
取阈值为 127,相当于 0~255 的中位数(0+255)/2 = 127,灰度值大于等于 127 的设置为 0,灰度值大于 127 的设置为 255,这种方法简单便捷,缺点就是阈值设置的太死板了,对于不同的照片,效果肯定不同。检索资料的时候发现,还有人把这种方法称为 史上最弱智的二值处理方法,没办法,弱智方法也得学啊。
该方法会使用到一个 threshold 方法,threshold 方法的语法格式如下:
cv2.threshold(src, thresh, maxval, type[, dst]) -> retval, dst
参数说明如下:
- src 输入图,中只能输入单通道图,一般就是灰度图;
- thresh 阈值;
- maxval 最大值,当像素超过了阈值(或者小于阈值)时所赋予的值;
- type - 二值化操作的类型,有 5 种,在下文描述;
- dst 输出数组/图像(与 src 相同大小和类型以及相同通道数的数组/图像)。
返回值 retval 阈值 thresh, dst 经过处理的图像。
二值化操作类型type参数(阈值类型):
- 二进制阈值化 THRESH_BINARY,过门限的值为最大值,其他值为 0;
- 反二进制阈值化 THRESH_BINARY_INV,过门限的值为 0,其他值为最大值;
- 截断阈值化 THRESH_TRUNC,过门限的值为门限值,其他值不变;
- 阈值化为 0 THRESH_TOZERO,过门限的值不变,其他设置为 0;
- 反阈值化为 0 THRESH_TOZERO_INV,过门限的值为 0,其他不变。
以上内容也叫做全局阈值。参考代码:
import cv2
import matplotlib.pylab as plt
def main2():
img = cv2.imread('6.jpg', 0)
ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)
titles = ['Original Image', 'BINARY',
'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]
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()
main2()
当然,也可以把代码里面的127改成别的,这就叫手动选择阈值。
方法二:
计算像素点矩阵中的所有像素点的灰度值的平均值 avg,让每一个像素点与 avg 比较,小于等于 avg 的像素点就为 0(黑色),大于 avg 的像素点为 255(白色),这种方法看起来靠谱了一些。
使用该方法之前需要先遍历图像的所有灰度值,才能计算出平均值。下图所示的阈值计算结果是151.参考代码如下:文章来源:https://www.toymoban.com/news/detail-739300.html
import cv2
def main():
img = cv2.imread("1.TIF", 0)
height, width = img.shape
# 灰度值总和
px_t = 0
for i in range(height):
for j in range(width):
px_t += img[i][j]
print(px_t)
# 求像素平均值
avg_thresh = int(px_t / (height * width))
print(avg_thresh)
thresh, dst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.imwrite("2.jpg",dst)
if __name__ == "__main__":
main()
文章来源地址https://www.toymoban.com/news/detail-739300.html
到了这里,关于图像二值化阈值调整——cv2.threshold方法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!