OpenCV Python - 图像阈值

在数字图像处理中，阈值处理是基于像素强度阈值创建二值图像的过程。阈值处理将前景像素与背景像素分开。

OpenCV 提供了执行简单、自适应和Otsu阈值的函数。

在简单阈值处理中，所有值小于阈值的像素都设置为零，其余为最大像素值。这是最简单的阈值形式。

cv2.threshold ()函数具有以下定义。

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

参数

图像阈值处理的参数如下 -

  • Src：输入数组。
  • Dst：相同大小的输出数组。
  • 阈值：阈值。
  • Maxval：最大值。
  • 类型：阈值类型。

阈值类型

其他类型的阈值列举如下 -

先生编号 类型与功能
1

CV.THRESH_BINARY

dst(x,y) = maxval 如果 src(x,y)>thresh 0 否则
2

CV.THRESH_BINARY_INV

dst(x,y)=0 如果 src(x,y)>thresh maxval 否则
3

CV.THRESH_TRUNC

dst(x,y)=阈值 如果 src(x,y)>阈值 src(x,y) 否则
4

CV.THRESH_TOZERO

dst(x,y)=src(x,y) 如果 src(x,y)>thresh 0 否则
5

CV.THRESH_TOZERO_INV

dst(x,y)=0 如果 src(x,y)> 阈值 src(x,y) 否则

这些阈值类型根据下图对输入图像进行操作 -

临界点

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，从原始图像生成灰度值从 255 到 0 的梯度的二值图像。

例子

使用 Matplotlib 库并排绘制原始阈值二值图像和生成的阈值二值图像。

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

阈值二进制

自适应阈值根据像素周围的小区域确定像素的阈值。因此，同一图像的不同区域获得不同的阈值。这可以为具有不同照明的图像提供更好的结果。

cv2.adaptiveThreshold() 方法采用以下输入参数 -

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

AdaptiveMethod 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 - 阈值是邻域值的高斯加权和减去常数 C。

例子

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。

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 绘制原始和自适应阈值二进制图像，如下所示 -

自适应阈值二进制

例子

OTSU 算法根据图像直方图自动确定阈值。除了 THRESH-BINARY 标志之外，我们还需要传递 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 -

图像直方图