Python图像阈值化处理及算法比对实例解析
图像的二值化或阈值化(Binarization)旨在提取图像中的目标物体,将背景以及噪声区分开来。通常会设定一个阈值T,通过T将图像的像素划分为两类:大于T的像素群和小于T的像素群。
灰度转换处理后的图像中,每个像素都只有一个灰度值,其大小表示明暗程度。二值化处理可以将图像中的像素划分为两类颜色,常用的二值化算法如公式1所示:
{Y=0,gray<TY=255,gray>=T
{Y=0,gray<TY=255,gray>=T
当灰度Gray小于阈值T时,其像素设置为0,表示黑色;当灰度Gray大于或等于阈值T时,其Y值为255,表示白色。
Python OpenCV中提供了阈值函数threshold()实现二值化处理,其公式及参数如下图所示:
retval, dst = cv2.threshold(src, thresh, maxval, type)
二进制阈值化
该方法先要选定一个特定的阈值量,比如127
1) 大于等于127的像素点的灰度值设定为最大值
2) 灰度值小于127的像素点的灰度值设置为0
例如: 156->255 89->0
关键字为cv2.THRESH_BINARY,完整代码如下
import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()
效果如下:
反二进制阈值化
该方法与二进制阈值化方法相似,先要选定一个特定的灰度值作为阈值,比如127
1) 大于127的像素点的灰度值设定为0
2) 小于该阈值的灰度值设定为255
例如:156->0 89->255
关键字为cv2.THRESH_BINARY_INV
代码如下:
import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY_INV) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()
效果如下:
截断阈值化
该方法需要选定一个阈值,图像中大于该阈值的像素点被设定为该阈值,小于该阈值的保持不变。
1) 大于等于127像素点的灰度值设定为该阈值127
2) 小于该阈值的灰度值不变
例如: 163-> 127 89->89
关键字cv2.THRESH_TRUNC,完整代码如下
import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TRUNC) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()
效果如下:
反阈值化为0
该方法先选定一个阈值,比如127
(1) 大于等于阈值127的像素点变为0
(2) 小于该阈值的像素点值保持不变
例如: 128->0 89->89
关键字为cv2.THRESH_TOZERO_INV,完整代码如下:
import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO_INV) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()
效果如下:
阈值为0
该方法先选定一个阈值,比如127
(1) 大于等于阈值127的像素点,值保持不变
(2) 小于该阈值的像素点值设置为0
例如: 163->163 102->0
关键字为cv2.THRESH_TOZERO,完整代码如下:
import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()
效果如下:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。