OpenCV-Python入门教程5-阈值分割

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

一、固定阈值分割

import cv2

import matplotlib.pyplot as plt

# 灰度图读入

img = cv2.imread('gradient.jpg', 0)

# 阈值分割

ret, th = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

cv2.imshow('thresh', th)

cv2.waitKey(0)

cv2.threshold()用来实现阈值分割，有4个参数：

参数1：要处理的原图，一般是灰度图
参数2：设定的阈值
参数3：最大阈值，一般是255
参数4：阈值的方式，主要有5种，详情：ThresholdTypes

理解这5种阈值方式：

# 应用5种不同的阈值方法

ret, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

ret, th2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)

ret, th3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)

ret, th4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)

ret, th5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)

titles = ['Original', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']

images = [img, th1, th2, th3, th4, th5]

# 使用Matplotlib显示

# 两行三列图

for i in range(6):

    plt.subplot(2, 3, i + 1)

    plt.imshow(images[i], 'gray')

    plt.title(titles[i], fontsize=8)

    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴

plt.show()

固定阈值将整幅图片分成两类值，它并不适用于明暗分布不均的图片。而cv2.adaptiveThreshold()自适应阈值会每次取图片的一小部分计算阈值。这样图片不同区域的阈值就不尽相同。

二、自适应矩阵

# 自适应阈值对比固定阈值

img = cv2.imread('sudoku.jpg', 0)

# 固定阈值

ret, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 自适应阈值

th2 = cv2.adaptiveThreshold(

    img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 4)

th3 = cv2.adaptiveThreshold(

    img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 17, 6)

titles = ['Original', 'Global(v = 127)', 'Adaptive Mean', 'Adaptve Gaussian']

images = [img, th1, th2, th3]

for i in range(4):

    plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')

    plt.title(titles[i], fontsize=8)

    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴

plt.show()