OpenCV Python - 图像阈值化

---

---

在数字图像处理中，阈值化是一个基于像素强度阈值创建二值图像的过程。阈值化过程将前景像素与背景像素分离。

OpenCV 提供了执行**简单、自适应**和**Otsu**阈值化的函数。

在简单阈值化中，所有值小于阈值的像素都设置为零，其余像素设置为最大像素值。这是最简单的阈值化形式。

cv2.threshold() 函数具有以下定义。

cv2.threshold((src, thresh, maxval, type, dst)

参数

图像阈值化的参数如下：

• Src: 输入数组。
• Dst: 输出数组，大小相同。
• Thresh: 阈值。
• Maxval: 最大值。
• Type: 阈值类型。

阈值类型

其他阈值类型列举如下：

这些阈值类型根据以下图表对输入图像进行操作：

threshold() 函数返回使用的阈值和阈值图像。

以下程序通过将阈值设置为 127，从原始图像（灰度值从 255 到 0 的渐变）生成二值图像。

示例

使用 Matplotlib 库将原始图像和生成的阈值二值图像并排绘制。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('gradient.png',0)
ret,img1 = cv.threshold(img,127,255,cv.THRESH_BINARY)

plt.subplot(2,3,1),plt.imshow(img,'gray',vmin=0,vmax=255)
plt.title('Original')
plt.subplot(2,3,2),plt.imshow(img1,'gray',vmin=0,vmax=255)
plt.title('Binary')
plt.show()

输出

自适应阈值化根据像素周围的小区域确定像素的阈值。因此，可以为同一图像的不同区域获得不同的阈值。这对于照明变化的图像提供了更好的结果。

cv2.adaptiveThreshold() 方法采用以下输入参数：

cv.adaptiveThreshold( src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst] )

adaptiveMethod 具有以下枚举值：

• cv.ADAPTIVE_THRESH_MEAN_C - 阈值是邻域区域的平均值减去常数 C。

• cv.ADAPTIVE_THRESH_GAUSSIAN_C - 阈值是邻域值的加权高斯和减去常数 C。

示例

在下面的示例中，原始图像（messi.jpg）应用了均值和高斯自适应阈值化。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('messi.jpg',0)
img = cv.medianBlur(img,5)
th1 = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_MEAN_C,\
   cv.THRESH_BINARY,11,2)
th2 = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,\
   cv.THRESH_BINARY,11,2)
titles = ['Original', 'Mean Thresholding', 'Gaussian Thresholding']
images = [img, th1, th2]
for i in range(3):
   plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')
   plt.title(titles[i])
   plt.xticks([]),plt.yticks([])
plt.show()

输出

使用 matplotlib 绘制原始图像和自适应阈值二值图像，如下所示：

示例

OTSU 算法从图像直方图自动确定阈值。我们需要除了 THRESH-BINARY 标志外，还要传递 cv.THRES_OTSU 标志。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('messi.jpg',0)
# global thresholding
ret1,img1 = cv.threshold(img,127,255,cv.THRESH_BINARY)
# Otsu's thresholding
ret2,img2 = cv.threshold(img,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)
plt.subplot(2,2,1),plt.imshow(img,'gray',vmin=0,vmax=255)
plt.title('Original')
plt.subplot(2,2,2),plt.imshow(img1,'gray')

plt.title('Binary')
plt.subplot(2,2,3),plt.imshow(img2,'gray')
plt.title('OTSU')
plt.show()

输出

matplotlib 的绘图结果如下：