标签：plt img 阈值 cv2 OpenCV THRESH threshold cv
引言
OpenCV中的阈值处理包括三种：
- 简单阈值处理
- 自适应阈值处理
- otsu阈值处理
简单阈值
选取全局阈值，将整幅图像分成二值图像。如果像素值大于阈值，则为其分配之歌值（可以是白色），否则为其分配另一个值（可以是黑色）。使用的函数是cv2.threshold：
cv2.threshold(img, thresh, maxVal, cv2.xxx)
第一个参数是源图像，应该是灰度图；
第二个参数是对图像进行分类的阈值；
第三个参数是最大值，表示如果像素值大于（有时小于）阈值则要给出的值；
第四个参数决定给出不同类型的阈值。包括：
- cv2.THRESH_BINARY
- cv2.THRESH_BINARY_INV
- cv2.THRESH_TRUNC
- cv2.THRESH_TOZERO
- cv2.THRESH_TOZERO_INV
输出有两个，第一个是retval，第二个是得到的阈值图像。
示例：
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('gradient.png',0)
ret,thresh1 = cv.threshold(img,127,255,cv.THRESH_BINARY)
ret,thresh2 = cv.threshold(img,127,255,cv.THRESH_BINARY_INV)
ret,thresh3 = cv.threshold(img,127,255,cv.THRESH_TRUNC)
ret,thresh4 = cv.threshold(img,127,255,cv.THRESH_TOZERO)
ret,thresh5 = cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)
titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]
for i in xrange(6):
plt.subplot(2,3,i+1),plt.imshow(images[i],'gray',vmin=0,vmax=255)
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
自适应阈值
简单阈值是全局的，对于在不同区域具有不同照明条件的图像可能不太适用，此时可以使用自适应阈值处理。算法计算图像的局部阈值，在同一区域的不同区域获得不同的阈值，并为具有不同照明的图像提供了更好的结果。
它有三个特殊输入参数和一个输出参数。
自适应方法 - 决定如何计算阈值。
cv2.ADAPTIVE_THRESH_MEAN_C：阈值是邻域的平均值。
cv2.ADAPTIVE_THRESH_GAUSSIAN_C：阈值是邻域值的加权和，其中权重是高斯窗口。
Block Size 决定邻域的大小。
C 从计算的平均值或加权平均值中减去常数。
- 示例：
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('dave.jpg',0)
img = cv2.medianBlur(img,5)
ret,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\
cv2.THRESH_BINARY,11,2)
th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\
cv2.THRESH_BINARY,11,2)
titles = ['Original Image', 'Global Thresholding (v = 127)',
'Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding']
images = [img, 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()
Otsu’s 二值化
在简单阈值中第二个参数是retVal，当使用otsu’s二值化时会被使用。
otsu二值化会根据双峰图像的图像直方图自动计算阈值，对于非双峰图像，二值化不准确。
使用时要传递一个额外的标志cv2.THRESH_OTSU。对于阈值只要传递零。
然后算法找到最佳阈值并返回第二个输出retVal。如果没有使用Otsu阈值，则返回值和使用的阈值相同。
示例：
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('noisy2.png',0)
# global thresholding
ret1,th1 = cv.threshold(img,127,255,cv.THRESH_BINARY)
# Otsu's thresholding
ret2,th2 = cv.threshold(img,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)
# Otsu's thresholding after Gaussian filtering
blur = cv.GaussianBlur(img,(5,5),0)
ret3,th3 = cv.threshold(blur,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)
# plot all the images and their histograms
images = [img, 0, th1,
img, 0, th2,
blur, 0, th3]
titles = ['Original Noisy Image','Histogram','Global Thresholding (v=127)',
'Original Noisy Image','Histogram',"Otsu's Thresholding",
'Gaussian filtered Image','Histogram',"Otsu's Thresholding"]
for i in xrange(3):
plt.subplot(3,3,i*3+1),plt.imshow(images[i*3],'gray')
plt.title(titles[i*3]), plt.xticks([]), plt.yticks([])
plt.subplot(3,3,i*3+2),plt.hist(images[i*3].ravel(),256)
plt.title(titles[i*3+1]), plt.xticks([]), plt.yticks([])
plt.subplot(3,3,i*3+3),plt.imshow(images[i*3+2],'gray')
plt.title(titles[i*3+2]), plt.xticks([]), plt.yticks([])
plt.show()
输入图像是嘈杂的图像。在第一种情况下全局阈值应用为值127；在第二种情况下直接应用了Otsu的阈值；在第三种情况下使用5x5高斯核过滤图像以消除噪声，然后应用Otsu阈值处理。
Reference:
https://docs.opencv.org/master/d7/d4d/tutorial_py_thresholding.html
A u t h o r : C h i e r Author:Chier Author:Chier
标签：plt,img,阈值,cv2,OpenCV,THRESH,threshold,cv 来源： https://blog.csdn.net/m0_38068229/article/details/111769009
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。