opencv学习笔记七：使用cv2.threshold实现全局和OTSU阈值二值化

一、 全局阈值

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

各参数含义

1. src： 输入图，只能输入单通道图像，通常来说为灰度图
2. thresh： 阈值
3. maxval： 当像素值超过了阈值或者小于阈值，根据type所决定的要赋予像素点的值

type	含义
cv2.THRESH_BINARY	超过阈值部分取maxval（最大值），否则取0
cv2.THRESH_BINARY_INV	THRESH_BINARY的反转
cv2.THRESH_TRUNC	大于阈值部分设为阈值，否则不变
cv2.THRESH_TOZERO	大于阈值部分不改变，否则设为0
cv2.THRESH_TOZERO_INV	THRESH_TOZERO的反转

4. dst： 输出图
5. ret： 阈值

下面通过一个示例来看一下具体怎么使用它来进行图像阈值处理以及处理之后的效果

img=cv2.imread('cat.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)

titles = ['Original Image', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

for i in range(6):
    plt.subplot(2, 3, i + 1), plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()

二、OTSU阈值

       在使用全局阈值时，只能通过不停的尝试来确定一个效果比较好的阈值。如果是一副双峰图像（简单来说双峰图像是指图像直方图中存在两个峰）呢？我们岂不是应该在两个峰之间的峰谷选一个值作为阈值？这就是 OTSU 二值化要做的。简单来说就是对一副双峰图像自动根据其直方图计算出一个阈值。（对于非双峰图像，这种方法得到的结果可能会不理想）。

       函数还是 cv2.threshold()，但是需要多传入一个参数（ flag）：cv2.THRESH_OTSU。这时要把阈值设为 0。然后算法会找到最优阈值，这个最优阈值就是返回值 retVal。如果不使用 OTSU 二值化，返回的retVal值与设定的阈值相等。

import cv2
import os


# 读取灰度图
img = cv2.imread(os.path.join(os.path.dirname(
                                    os.path.abspath(__file__)),r'imgs\1.jpg'), 0)

# 全局阈值
ret1, th_img1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# Otsu’s 二值化
re2, th_img2 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# Otsu’s 二值化之前先对图像进行高斯滤波处理，平滑图像，去除噪声
# （5,5）为高斯核大小，0为标准差
blur = cv2.GaussianBlur(img, (5, 5), 0)
re3, th_img3 = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)


cv2.imshow("Original Noise Image", img)
cv2.imshow("globe threshhold", th_img1)
cv2.imshow("OTSU", th_img2)
cv2.imshow("Gaussian filtered OTSU", th_img3)

cv2.waitKey(0)
cv2.destroyAllWindows()

下面四张图分别是原图、全局阈值二值化、没有进行高斯滤波的OTSU阈值二值化、先进行高斯滤波的OTSU阈值二值化。

高斯滤波后在进行二值化处理，会有明显的去除噪声的效果。