opencv笔记（2）——阈值与平滑处理

阈值与平滑处理

一、图像阈值

设置一个阈值，对超过阈值的值进行处理

import cv2
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline  #专有魔法指令，即时显示

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(title[i])
	plt.xticks([]), plt.yticks([])
plt.show()

plt.subplot(a, b, c)：a行b列第c个

二、图像平滑

平滑即进行滤波（平均的卷积的操作）操作，去除噪音点，如下图

均值滤波：
均值滤波是指在一定范围如（3 × 3）的范围里修改任意一点的像素值，都是周围 N × M 个像素值的均值

方框滤波：
方框滤波是指在一定范围如（3 × 3）的范围里修改任意一点的像素值，都是周围 N × M 个像素值的和，而不是均值； normalize=True 表示当和的值超过255越界时，再执行归一化，即均值；如果normalize=False，越界的都取255

高斯滤波：
相当于原值离均值更近的，权重更大

中值滤波：
中值滤波是指在一定范围如（3 × 3）的范围里修改任意一点的像素值，都是周围 N × M 个像素值的中值

img = cv2.imread('lenaNoise.png')
cv2.imshow('img', img)

# 均值滤波
# 简单的平均卷积操作
blur = cv2.blur(img, (3,3)) # 在3×3的矩阵进行,一般3，5，7的矩阵
cv2.imshow('blur', blur)

# 方框滤波
# 基本和均值一样，可以选择归一化，-1表示颜色通道和原图一致，一般不用去改
box = cv2.boxFilter(img, -1, (3,3), normalize=True)
cv2.imshow('box', box)

# 高斯滤波
# 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(img, (5,5), 1)
cv2.imshow('aussian', aussian)

# 中值滤波
# 相当于用中值代替
median = cv2.medianBlur(img, 5)  # 中值滤波,5×5矩阵
cv2.imshow('median', median)

# 展示所有的
res = np.hstack((blur, aussian, median))  # 所有图像横着拼接
res2 = np.vstack((blur, aussian, median)) # 所有图像竖着拼接
print(res)
cv2.imshow('median vs average', res)

cv2.waitKey(0)
cv2.destoryAllWindows()

三、常用函数

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

   ret：阈值；det：输出图
   src：原始图像；thresh：阈值，常见127（因为颜色为0-255）；
   maxval：最大可能值（255）；type：选择的功能或方法，即怎么判断阈值
   
   type：二值化操作的类型，包含cv2.THRESH_BINARY；cv2.THRESH_BINARY_INV；cv2.THRESH_TRUNC；
   						  cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
   (1)cv2.THRESH_BINARY     :超过阈值部分取maxval（最大值），否则取0
   (2)cv2.THRESH_BINARY_INV :THRESH_BINARY的反转，原本大于127黑，则小于127黑
   (3)cv2.THRESH_TRUNC      :大于阈值部分设为阈值，否则不变
   (4)cv2.THRESH_TOZERO     :大于阈值的部分不改变，否则设为0
   (5)cv2.THRESH_TOZERO_INV :THRESH_TOZERO的反转
   (6)cv2.THRESH_OTSU：会自动寻找合适的阈值，适合双峰，需把阈值参数设置为0
  

• cv2.blur(img,ksize)

   均值滤波( 矩形中间的值=矩形内的值相加取平均值)
   img：图像；ksize：矩阵大小
  

• cv2.boxFilter(img, ddepth,ksize, normalize=True)

   方框滤波: (normalize=True等同于均值滤波， normalize=false代表直接求和不取均值，越界后显示为255)**
   ddepth一般为-1表示得到的颜色通道和原图一致
  

• cv2.GaussianBlur(img, ksize, sigmaX)

   高斯滤波:(离得近的权重高，离得远的权重低）
   sigmaX为高斯函数在X轴上的标准差σ，调整σ实际是在调整周围像素对当前像素的影响程度，
   调大σ即提高了远处像素对中心像素的影响程度，滤波结果也就越平滑
  

• cv2.medianBlur(img,ksize)

   中值滤波:（矩形内的值排序后取中间值)
   ksize为矩阵大小，即ksize×ksize