首页 > 学术百科

opencv二值图像分割——python

opencv⼆值图像分割——python

1. ⼆值图像

图像⼆值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的⿊⽩效果的过程。

2. 全局阈值

cv2.threshold(src, thresholdValue, maxVal, thresholdingTechnique)

src：输⼊灰度图像数组。

thresholdValue：提及⽤于对像素值进⾏分类的值。

maxVal：如果像素值⼤于（有时⼩于）阈值，则给出的值。

thresholdingTechnique：要应⽤的阈值类型。

有5种不同的简单阈值技术是：

cv2.THRESH_BINARY：如果像素强度⼤于设置的阈值，则将值设置为 255，否则设置为 0（⿊⾊）。

cv2.THRESH_BINARY_INV:cv2 的反转或相反情况。

cv2.THRESH_TRUNC：如果像素强度值⼤于阈值，则会将其截断为阈值。像素值设置为与阈值相同。所有其他值保持不变。

cv2.THRESH_TOZERO：像素强度设置为 0，对于所有像素强度，⼩于阈值。

cv2.THRESH_TOZERO_INV:cv2 的反转或相反情况。

import cv2

if __name__ =="__main__":

# mentioning absolute path of the image

墙上画大饼img_path ="C:\\Users\\user\\Desktop\\flower.jpg"

# read/load an image in grayscale mode

grey_img = cv2.imread(img_path,0)

# show the Input image on the newly created image window

井冈山大学学报cv2.imshow('Input',grey_img)

# applying cv2.THRESH_BINARY thresholding techniques

ret, thresh_img = cv2.threshold(grey_img,128,255, cv2.THRESH_BINARY)

# show the Output image on the newly created image window

cv2.imshow('Output',thresh_img)

ret, th= cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

该⽅法也被称为⼤津法（OTSU）它是根据图像灰度分布，⾃动选择最佳的阈值，按照⼤津法求得的阈值进⾏图像⼆值化分割后，前景与背景图像的类间⽅差最⼤。适合处理所需提取的前景图像和背景图像差距较⼤的图像。其函数也⼗分简单，只需要把阈值thresh设置为0，然后设置type为cv2.THRESH_BINARY+cv2.THRESH_OTSU，会⾃动返回⼀个合适的阈值。

import cv2

if __name__ =="__main__":

# mentioning absolute path of the image

img_path ="./image-129.png"

# read/load an image in grayscale mode

gray_img = cv2.imread(img_path,0)

粗脉石仙桃# show the Input image on the newly created image window

print(gray_img.shape)生产力研究

cv2.imshow('Input', gray_img)

cv2.namedWindow("Input",0)

cv2.waitKey(0)

# applying cv2.THRESH_BINARY thresholding techniques

ret, thresh_img= cv2.threshold(gray_img,0,255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# show the Output image on the newly created image window

cv2.imshow('Output',thresh_img)

cv2.namedWindow("Output",0)

cv2.waitKey(0)令牌桶

cv2.imwrite('thresh.png', thresh_img)

3. 局部阈值

彩⾊图像⾊彩分布不均匀，使⽤全局阈值处理处理效果较差，通常采⽤局部阈值来进⾏分割，局部阈值的处理原理是，针对每⼀个像素点专门配置⼀个阈值来进⾏处理，这些阈值就构成了和原图像维度相同的矩阵。

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)

src：灰度化的图⽚

maxValue：满⾜条件的像素点需要设置的灰度值

adaptiveMethod：⾃适应⽅法。有2种分别是均值和⾼斯加权：ADAPTIVE_THRESH_MEAN_C 或

ADAPTIVE_THRESH_GAUSSIAN_C，建议使⽤⾼斯加权和。

thresholdType：⼆值化⽅法，可以设置为THRESH_BINARY或者THRESH_BINARY_INV

blockSize：分割计算的区域⼤⼩，取奇数

C：常数，每个区域计算出的阈值的基础上在减去这个常数作为这个区域的最终阈值，可以为负数

dst：输出图像，可选

import cv2

if __name__ =="__main__":

# mentioning absolute path of the image

img_path ="./image-129.png"

# read/load an image in grayscale mode

gn205# gray_img = cv2.imread(img_path, 0)

color_img = cv2.imread(img_path)

gray_img = cv2.cvtColor(color_img, cv2.COLOR_BGR2GRAY)

# show the Input image on the newly created image window

print(gray_img.shape)

cv2.imshow('Input', gray_img)

cv2.namedWindow("Input",0)

cv2.waitKey(0)

# applying cv2.THRESH_BINARY thresholding techniques

thresh_img = cv2.adaptiveThreshold(gray_img,127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,-30) # show the Output image on the newly created image window

cv2.imshow('Output',thresh_img)

cv2.namedWindow("Output",0)

cv2.waitKey(0)

cv2.imwrite('thresh.png', thresh_img)

4. 使⽤建议

灰度图像使⽤全局阈值分割：⼤津法 > 普通全局阈值

彩⾊图像使⽤局部阈值分割

本文发布于:2024-09-21 18:53:25，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/414202.html

上一篇：几种常用的图像分割方法

下一篇：基于数字图像的火焰识别算法研究与仿真