python-opencv 映像二值化，自適應閾值處理

標籤：根據   from   dap   col   UNC   負數   width   code   apt   

定義：映像的二值化，就是將映像上的像素點的灰階值設定為0或255，也就是將整個映像呈現出明顯的只有黑和白的視覺效果。

           一幅映像包括目標物體、背景還有雜訊，要想從多值的數位影像中直接提取出目標物體，常用的方法就是設定一個閾值T，用T將映像的資料分成兩部分：大於T的像素群和小於T的像素群。這是研究灰階變換的最特殊的方法，稱為映像的二值化（Binarization）。

 

簡單的閾值-（全域閾值）：

Python-OpenCV中提供了閾值（threshold）函數：

cv2.threshold（）

函數：第一個參數       src            指原映像，原映像應該是灰階圖。

          第二個參數         x              指用來對像素值進行分類的閾值。

          第三個參數         y              指當像素值高於（有時是小於）閾值時應該被賦予的新的像素值

          第四個參數     Methods     指，不同的不同的閾值方法，這些方法包括：

                                                                                                                ?cv2.THRESH_BINARY             圖（1）

                                                                                                                ?cv2.THRESH_BINARY_INV      圖（2）

                                                                                                                ?cv2.THRESH_TRUNC              圖（3）

                                                                                                                ?cv2.THRESH_TOZERO            圖（4）

                                                                                                                ?cv2.THRESH_TOZERO_INV      圖（5）

                                                  

破折線為將被閾值化的值；虛線為閾值    

                                

                          圖（1）           

大於閾值的像素點的灰階值設定為最大值(如8位灰階值最大為255)，灰階值小於閾值的像素點的灰階值設定為0。

                  

                          圖（2）           

大於閾值的像素點的灰階值設定為0，而小於該閾值的設定為255。

                  

                           圖（3）

 

像素點的灰階值小於閾值不改變，大於閾值的灰階值的像素點就設定為該閾值。

                  

                            圖（4）

 

像素點的灰階值小於該閾值的不進行任何改變，而大於該閾值的部分，其灰階值全部變為0。

                  

                             圖（5）

像素點的灰階值大於該閾值的不進行任何改變，像素點的灰階值小於該閾值的，其灰階值全部變為0。

Python+opencv代碼：

 

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(‘1.bmp‘)GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 中值濾波GrayImage= cv2.medianBlur(GrayImage,5)ret,th1 = cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)#3 為Block size, 5為param1值th2 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_MEAN_C,                    cv2.THRESH_BINARY,3,5)th3 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,                    cv2.THRESH_BINARY,3,5)titles = [‘Gray Image‘, ‘Global Thresholding (v = 127)‘,‘Adaptive Mean Thresholding‘, ‘Adaptive Gaussian Thresholding‘]images = [GrayImage, 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()

 

：

 

自適應閾值：

      當同一幅映像上的不同部分的具有不同亮度時。這種情況下我們需要採用自適應閾值。此時的閾值是根據映像上的每一個小地區計算與其對應的閾值。因此在同一幅映像上的不同地區採用的是不同的閾值，從而使我們能在亮度不同的情況下得到更好的結果。

cv2.adaptiveThreshold（）

函數：第一個參數          src                  指原映像，原映像應該是灰階圖。

          第二個參數            x                    指當像素值高於（有時是小於）閾值時應該被賦予的新的像素值

          第三個參數  adaptive_method  指： CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C

          第四個參數    threshold_type    指取閾實值型別：必須是下者之一                                                                                                                                                                                                                                                                ?  CV_THRESH_BINARY,

                                                                                           ? CV_THRESH_BINARY_INV

           第五個參數    block_size           指用來計算閾值的象素鄰域大小: 3, 5, 7, ...

 

           第六個參數          param1           指與方法有關的參數。對方法CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C， 它是一個從均值或加權均值提取的常數, 儘管它可以是負數。

自適應閾值：  對方法CV_ADAPTIVE_THRESH_MEAN_C，先求出塊中的均值，再減掉param1。

                            對方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C ，先求出塊中的加權和(gaussian)， 再減掉param1。

例如：

          採用方法 CV_ADAPTIVE_THRESH_MEAN_C，閾實值型別：CV_THRESH_BINARY,  閾值的象素鄰域大小 block_size 選取3，參數param1  取3和5時：

                            部分原映像像素值                                                                                              當參數param1為5時
  

                           部分原映像像素值                                                                                                當參數param1為7時

選取對應領域（3*3）求其均值，然後減去參數param1的值為自適應閾值。測試時求得均值為小數時，貌似進行四捨五入之後再減去參數param1。（可能是我沒測試準確，無聊時測試一下，共同學習）

Python+opencv代碼：

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(‘1.bmp‘)GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 中值濾波GrayImage= cv2.medianBlur(GrayImage,5)ret,th1 = cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)#3 為Block size, 5為param1值th2 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_MEAN_C,                    cv2.THRESH_BINARY,3,5)th3 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,                    cv2.THRESH_BINARY,3,5)titles = [‘Gray Image‘, ‘Global Thresholding (v = 127)‘,‘Adaptive Mean Thresholding‘, ‘Adaptive Gaussian Thresholding‘]images = [GrayImage, 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()

 

 

：

python-opencv 映像二值化，自適應閾值處理