Python圖像閾值化處理及算法比對實例解析

更新時間：2020年06月19日 11:02:13 作者：程序欲向

這篇文章主要介紹了Python圖像閾值化處理及算法比對實例解析,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

圖像的二值化或閾值化（Binarization）旨在提取圖像中的目標(biāo)物體，將背景以及噪聲區(qū)分開來。通常會設(shè)定一個閾值T，通過T將圖像的像素劃分為兩類：大于T的像素群和小于T的像素群。

灰度轉(zhuǎn)換處理后的圖像中，每個像素都只有一個灰度值，其大小表示明暗程度。二值化處理可以將圖像中的像素劃分為兩類顏色，常用的二值化算法如公式1所示：

{Y=0，gray<TY=255，gray>=T
{Y=0，gray<TY=255，gray>=T

當(dāng)灰度Gray小于閾值T時，其像素設(shè)置為0，表示黑色；當(dāng)灰度Gray大于或等于閾值T時，其Y值為255，表示白色。

Python OpenCV中提供了閾值函數(shù)threshold()實現(xiàn)二值化處理，其公式及參數(shù)如下圖所示：

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

二進制閾值化

該方法先要選定一個特定的閾值量，比如127

1) 大于等于127的像素點的灰度值設(shè)定為最大值

2) 灰度值小于127的像素點的灰度值設(shè)置為0

例如: 156->255 89->0

關(guān)鍵字為cv2.THRESH_BINARY,完整代碼如下

import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度圖片轉(zhuǎn)換
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二進制閾值化處理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY)
  # 顯示圖像
  cv2.imshow("src", src)
  cv2.imshow("result", b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

反二進制閾值化

該方法與二進制閾值化方法相似，先要選定一個特定的灰度值作為閾值，比如127

1) 大于127的像素點的灰度值設(shè)定為0

2) 小于該閾值的灰度值設(shè)定為255

例如：156->0 89->255

關(guān)鍵字為cv2.THRESH_BINARY_INV

代碼如下:

import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度圖片轉(zhuǎn)換
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二進制閾值化處理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY_INV)
  # 顯示圖像
  cv2.imshow("src", src)
  cv2.imshow("result", b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

截斷閾值化

該方法需要選定一個閾值，圖像中大于該閾值的像素點被設(shè)定為該閾值，小于該閾值的保持不變。

1) 大于等于127像素點的灰度值設(shè)定為該閾值127

2) 小于該閾值的灰度值不變

例如: 163-> 127 89->89

關(guān)鍵字cv2.THRESH_TRUNC,完整代碼如下

import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度圖片轉(zhuǎn)換
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二進制閾值化處理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TRUNC)
  # 顯示圖像
  cv2.imshow("src", src)
  cv2.imshow("result", b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

反閾值化為0

該方法先選定一個閾值，比如127

(1) 大于等于閾值127的像素點變?yōu)?
(2) 小于該閾值的像素點值保持不變

例如: 128->0 89->89

關(guān)鍵字為cv2.THRESH_TOZERO_INV,完整代碼如下：

import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度圖片轉(zhuǎn)換
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二進制閾值化處理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO_INV)
  # 顯示圖像
  cv2.imshow("src", src)
  cv2.imshow("result", b)
  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

閾值為0

該方法先選定一個閾值，比如127

(1) 大于等于閾值127的像素點，值保持不變

(2) 小于該閾值的像素點值設(shè)置為0

例如: 163->163 102->0

關(guān)鍵字為cv2.THRESH_TOZERO,完整代碼如下：

import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度圖片轉(zhuǎn)換
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二進制閾值化處理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO)
  # 顯示圖像
  cv2.imshow("src", src)
  cv2.imshow("result", b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下: