threshold：固定閾值二值化，
ret, dst = cv2.threshold(src, thresh, maxval, type)
- src： 輸入圖，只能輸入單通道圖像，通常來說為灰度圖
- dst： 輸出圖
- thresh： 閾值
- maxval： 當像素值超過了閾值（或者小于閾值，根據type來決定），所賦予的值
- type：二值化操作的類型，包含以下5種類型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
官方文檔的示例代碼：
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('gradient.png',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 xrange(6):
plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
結果為：
adaptiveThreshold：自適應閾值二值化
自適應閾值二值化函數根據圖片一小塊區域的值來計算對應區域的閾值，從而得到也許更為合適的圖片。
dst = cv2.adaptiveThreshold(src, maxval, thresh_type, type, Block Size, C)
- src： 輸入圖，只能輸入單通道圖像，通常來說為灰度圖
- dst： 輸出圖
- maxval： 當像素值超過了閾值（或者小于閾值，根據type來決定），所賦予的值
- thresh_type： 閾值的計算方法，包含以下2種類型：cv2.ADAPTIVE_THRESH_MEAN_C； cv2.ADAPTIVE_THRESH_GAUSSIAN_C.
- type：二值化操作的類型，與固定閾值函數相同，包含以下5種類型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV.
- Block Size： 圖片中分塊的大小
- C ：閾值計算方法中的常數項
官方文檔的示例代碼：
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('sudoku.png',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()
結果為：
Otsu's Binarization: 基于直方圖的二值化
Otsu's Binarization是一種基于直方圖的二值化方法，它需要和threshold函數配合使用。
Otsu過程：
1. 計算圖像直方圖；
2. 設定一閾值，把直方圖強度大于閾值的像素分成一組，把小于閾值的像素分成另外一組；
3. 分別計算兩組內的偏移數，并把偏移數相加；
4. 把0~255依照順序多為閾值，重復1-3的步驟，直到得到最小偏移數，其所對應的值即為結果閾值。
官方文檔的示例代碼：
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('noisy2.png',0)
# global thresholding
ret1,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
# Otsu's thresholding
ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# Otsu's thresholding after Gaussian filtering
blur = cv2.GaussianBlur(img,(5,5),0)
ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.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()
結果為：
參考文獻：http://docs.opencv.org/3.2.0/d7/d4d/tutorial_py_thresholding.html
到此這篇關于opencv函數threshold、adaptiveThreshold、Otsu二值化的實現的文章就介紹到這了,更多相關opencv threshold、adaptiveThreshold、Otsu內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- OpenCV 使用imread()函數讀取圖片的六種正確姿勢
- python+opencv邊緣提取與各函數參數解析
- 詳解opencv中畫圓circle函數和橢圓ellipse函數
- 使用OpenCV circle函數圖像上畫圓的示例代碼
- Python OpenCV 使用滑動條來調整函數參數的方法
- Opencv2.4.9函數HoughLinesP分析
- OpenCV中的cv::Mat函數將數據寫入txt文件
