opencv学习笔记——图像分割1

opencv学习笔记——图像分割1

  • 灰度直方图
  • 灰度阈值分割

灰度直方图

灰度直方图主要以灰度值为横坐标,每个灰度值在图像中出现的次数做为纵坐标,波峰的位置为该灰度在图像中出现的频率最大,通过灰度直方图可以看到图像的照明效果,各个灰度在图像中出现的频率差不多,则说明这个图像是一个高对比度的图像。
opencv学习笔记——图像分割1_第1张图片

灰度阈值分割

如果目标区和背景区之间或者不同目标区之间,存在不同的灰度或平均灰度,那么这个目标我们可以根据灰度的不同来将它分割出来,将目标的灰度变成一个灰度值,而目标以外的变成另一个灰度值,就可以将这个目标很明显的从图像区分出来,这个也就是常说的二值化方法, 首先通过灰度直方图来确定最佳的灰度阈值(也就是目标灰度属于哪个范围),使目标和背景之间的差异最大。
使用cv2.threshhold(image, min_gray, max_gray, method)
image:表示输入的图像
min_gray: 表示分割的最小阈值
max_gray: 表示分割的最大阈值
method:表示不同的阈值方法
- cv2.THRESH_BINARY
- cv2.THRESH_BINARY_INV
- cv2.THRESH_YRUNC
- cv2.THRESH_TOZERO
- cv2.THRESH_TOZERO_INV
opencv学习笔记——图像分割1_第2张图片
阈值分割在实际应用中又着很大的局限性,对噪声图像和颜色渐变的图像处理效果不好

你可能感兴趣的:(opencv,opencv)