图像二值化阈值调整——cv2.threshold方法-Toy模板网

这篇具有很好参考价值的文章主要介绍了图像二值化阈值调整——cv2.threshold方法。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

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()

图像二值化阈值调整——cv2.threshold方法,图像处理,计算机视觉,人工智能

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()

图像二值化阈值调整——cv2.threshold方法,图像处理,计算机视觉,人工智能

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：

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()

图像二值化阈值调整——cv2.threshold方法,图像处理,计算机视觉,人工智能文章来源地址https://www.toymoban.com/news/detail-739300.html