前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >[Python图像处理] 七.图像阈值化处理及民族服饰实验对比

[Python图像处理] 七.图像阈值化处理及民族服饰实验对比

作者头像
Eastmount
发布2021-12-02 21:12:30
5830
发布2021-12-02 21:12:30
举报

该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类、目标检测应用。

前一篇文章介绍Python调用OpenCV实现图像缩放、图像旋转、图像翻转、图像平移。本篇文章将讲解图像阈值化处理操作,包括二进制阈值化、反二进制阈值化、截断阈值化、反阈值化为0、阈值化为0。全文均是基础知识,希望对您有所帮助。希望文章对您有所帮助,如果有不足之处,还请海涵~

  • 一.阈值化
  • 二.二进制阈值化
  • 三.反二进制阈值化
  • 四.截断阈值化
  • 五.反阈值化为0
  • 六.阈值化为0

该系列在github所有源代码:

  • https://github.com/eastmountyxz/ ImageProcessing-Python

一. 阈值化

图像的二值化或阈值化(Binarization)旨在提取图像中的目标物体,将背景以及噪声区分开来。通常会设定一个阈值T,通过T将图像的像素划分为两类:大于T的像素群和小于T的像素群。

灰度转换处理后的图像中,每个像素都只有一个灰度值,其大小表示明暗程度。二值化处理可以将图像中的像素划分为两类颜色,常用的二值化算法如公式1所示:

当灰度Gray小于阈值T时,其像素设置为0,表示黑色;当灰度Gray大于或等于阈值T时,其Y值为255,表示白色。

Python OpenCV中提供了阈值函数threshold()实现二值化处理,其公式及参数如下图所示:

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

参数的具体含义如下:

常用的方法如下表所示,其中函数中的参数Gray表示灰度图,参数127表示对像素值进行分类的阈值,参数255表示像素值高于阈值时应该被赋予的新像素值,最后一个参数对应不同的阈值处理方法。

对应OpenCV提供的五张图如下,第一张为原图,后面依次为:二进制阈值化、反二进制阈值化、截断阈值化、反阈值化为0、阈值化为0。

二值化处理广泛应用于各行各业,比如生物学中的细胞图分割、交通领域的车牌设别等。在文化应用领域中,通过二值化处理将所需民族文物图像转换为黑白两色图,从而为后面的图像识别提供更好的支撑作用。下图表示图像经过各种二值化处理算法后的结果,其中“BINARY”是最常见的黑白两色处理。


二. 二进制阈值化

该方法先要选定一个特定的阈值量,比如127。新的阈值产生规则如下:

  • (1) 大于等于127的像素点的灰度值设定为最大值(如8位灰度值最大为255)
  • (2) 灰度值小于127的像素点的灰度值设定为0

例如,163->255,86->0,102->0,201->255。关键字为 cv2.THRESH_BINARY,完整代码如下:

代码语言:javascript
复制
#encoding:utf-8
import cv2  
import numpy as np  

#读取图片
src = cv2.imread('test.jpg')

#灰度图像处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)

#二进制阈值化处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY)
print(r)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", b)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出为两个返回值,r为127,b为处理结果(大于127设置为255,小于设置为0)。如下图所示:


三. 反二进制阈值化

该方法与二进制阈值化方法相似,先要选定一个特定的灰度值作为阈值,比如127。新的阈值产生规则如下:

  • (1) 大于127的像素点的灰度值设定为0(以8位灰度图为例)
  • (2) 小于该阈值的灰度值设定为255

例如,163->0,86->255,102->255,201->0。关键字为 cv2.THRESH_BINARY_INV,完整代码如下:

代码语言:javascript
复制
#encoding:utf-8
import cv2  
import numpy as np  

#读取图片
src = cv2.imread('test.jpg')

#灰度图像处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)

#反二进制阈值化处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY_INV)
print(r)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", b)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示:

该方法得到的结果正好与二进制阈值化方法相反,亮色元素反而处理为黑色,暗色为白色。


四. 截断阈值化

该方法需选定一个阈值,图像中大于该阈值的像素点被设定为该阈值,小于该阈值的保持不变,如127。新的阈值产生规则如下:

  • (1) 大于等于127的像素点的灰度值设定为该阈值127
  • (2) 小于该阈值的灰度值不改变

例如,163->127,86->86,102->102,201->127。关键字为 cv2.THRESH_TRUNC,完整代码如下:

代码语言:javascript
复制
#encoding:utf-8
import cv2  
import numpy as np  

#读取图片
src = cv2.imread('test.jpg')

#灰度图像处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)

#截断阈值化处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TRUNC)
print(r)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", b)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示::

该处理方法相当于把图像中比较亮(大于127,偏向于白色)的像素值处理为阈值。


五. 反阈值化为0

该方法先选定一个阈值,比如127,接着对图像的灰度值进行如下处理:

  • (1) 大于等于阈值127的像素点变为0
  • (2) 小于该阈值的像素点值保持不变

例如,163->0,86->86,102->102,201->0。关键字为 cv2.THRESH_TOZERO_INV,完整代码如下:

代码语言:javascript
复制
#encoding:utf-8
import cv2  
import numpy as np  

#读取图片
src = cv2.imread('test.jpg')

#灰度图像处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)

#反阈值化为0处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO_INV)
print(r)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", b)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示:


六. 阈值化为0

该方法先选定一个阈值,比如127,接着对图像的灰度值进行如下处理:

  • (1) 大于等于阈值127的像素点,值保持不变
  • (2) 小于该阈值的像素点值设置为0

例如,163->163,86->0,102->0,201->201。关键字为 cv2.THRESH_TOZERO,完整代码如下:

代码语言:javascript
复制
#encoding:utf-8
import cv2  
import numpy as np  

#读取图片
src = cv2.imread('test.jpg')

#灰度图像处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)

#阈值化为0处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO)
print(r)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", b)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示:

该算法把比较亮的部分不变,比较暗的部分处理为0。


七.总结

完整五个算法的对比代码如下所示:

代码语言:javascript
复制
#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取图像
img=cv2.imread('test.jpg')
lenna_img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  

#阈值化处理
ret,thresh1=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)  
ret,thresh2=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY_INV)  
ret,thresh3=cv2.threshold(GrayImage,127,255,cv2.THRESH_TRUNC)  
ret,thresh4=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO)  
ret,thresh5=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO_INV)

#显示结果
titles = ['Gray Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']  
images = [GrayImage, 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()

输出结果如下图所示:

该部分参考作者论文《基于苗族服饰的图像锐化和边缘提取技术研究》,当时随便写的。哈哈,回想2018年当时写这篇文章的感言,还挺不错的!

源代码下载地址,记得帮忙点star和关注喔!

  • https://github.com/eastmountyxz/ ImageProcessing-Python

参考文献,在此感谢这些大佬,共勉!

  • [1] 冈萨雷斯. 数字图像处理(第3版)[M]. 电子工业出版社, 2013.
  • [2] 罗子江. Python中的图像处理[M]. 科学出版社, 2020.
  • [3] https://blog.csdn.net/Eastmount
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-03-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 娜璋AI安全之家 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一. 阈值化
  • 二. 二进制阈值化
  • 三. 反二进制阈值化
  • 四. 截断阈值化
  • 五. 反阈值化为0
  • 六. 阈值化为0
  • 七.总结
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档