python + opencv二值化阈值处理指令详解
链接: 图片二值化.
目录
- cv.threshold函数详解：
- 全局自适应阈值处理
- 局部自适应阈值处理
cv.threshold函数详解：
threshold函数作用：去掉噪，例如过滤很小或很大像素值的图像点。
ret, binary = cv.threshold(src, thresh, maxValue, thresholdType)src, //输入图像
thresh, //阈值
maxValue, //最大值，一般255
thresholdType //操作类型，比如cv.THRESH_BINARY
返回值：
ret:返回的阈值，若是固定阈值处理，则返回thresh值，若是自适应阈值处理，则返回最优阈值
binary：处理后的二值图像
每个thresholdType对应不用的操作类型，如下表所示，其中src代表图像原像素值，dst代表处理后的像素值
| ThresoldType | Operation |
|---|---|
| cv::THRESH_BINARY | dst = (src > thresh) ? maxValue : 0 |
| cv::THRESH_BINARY_INV | dst = (src > thresh) ? 0 : maxValue |
| cv::THRESH_TRUNC | dst = (src > thresh) ? thresh : src |
| cv::THRESH_TOZERO | dst = (src > thresh) ? src : 0 |
| cv::THRESH_TOZERO_INV | dst = (src > thresh) ? 0 : src |
| :--------: | -------------: |
| centered 文本居中 | right-aligned 文本居右 |
全局自适应阈值处理
自适应阈值化能够根据图像不同区域亮度分布的，改变阈值，
大律法：cv.THRESH_OTSU
ret, binary = cv.threshold(gray, thresh, maxValue, cv.THRESH_OTSU)thresh:一般为0，但其实并不起作用，不用在意
maxvalue:最大阈值，一般为255
TRIANGLE法：
ret, binary = cv.threshold(gray, thresh, maxValue, cv.THRESH_TRIANGLE)操作类型也可以写成固定阈值和自适应阈值汇合的形式，因为自适应算法优先
ret, binary = cv.threshold(gray, thresh, maxValue, cv.THRESH_BINARY|cv.THRESH_OTSU)局部自适应阈值处理
ret, binary = cv.adaptiveThreshold(gray, maxValue, adaptiveMethod, thresholdType, blockSize, C)gray:输入图像
maxValue:使用THRESH_BINARY和THRESH_BINARY_INV的最大值
adaptiveMethod:自适应阈值算法，ADAPTIVE_THRESH_MEAN_C(平均阈值算法)、ADAPTIVE_THRESH_GAUSSIAN_C(高斯阈值算法)
threshType:阈值类型，必须是THRESH_BINARY和THRESH_BINARY_INV
blockSize:像素块的大小
C：常数
在两种阈值算法情况下，自适应阈值T(x, y)。通过计算每个像素周围bxb大小像素块的加权均值并减去常量C得到。其中，b由blockSize给出，大小必须为奇数；如果使用平均的方法，则所有像素周围的权值相同；如果使用高斯的方法，则（x,y）周围的像素的权值则根据其到中心点的距离通过高斯方程得到。