OpenCV-Python学习（10）—— OpenCV 图像二值化处理(cv.threshold)
OpenCV-Python学习（10）—— OpenCV 图像二值化处理(cv.threshold)
Rattenking
发布于 2022-10-24 16:01:46
发布于 2022-10-24 16:01:46
1. 学习目标
- 理解图像的分类，不同类型的图像的区别；
- 对图像进行二值化处理，对【 cv.threshold 】函数的理解。
2. 图像分类
2.1 不同类型图像说明
按照颜色对图像进行分类，可以分为二值图像、灰度图像和彩色图像。
- 二值图像：只有黑色和白色两种颜色的图像。 每个像素点可以用 0/1 表示，0 表示黑色，1 表示白色。
- 灰度图像：只有灰度的图像。 每个像素点用 8bit 数字 [0,255] 表示灰度，如：0 表示纯黑，255 表示纯白。
- 彩色图像：彩色图像通常 采用红色（R）、绿色（G）和蓝色（B）三个色彩通道的组合表示。
2.2 彩色图像
import cv2 as cv
img = cv.imread('./images/messi5.jpg')
cv.imshow('image', img)
cv.waitKey(0)
cv.destroyAllWindows()
在这里插入图片描述
2.3 灰度图像
- 方法一：读取图像时，使用灰度模式读取；
import cv2 as cv
img = cv.imread('./images/messi5.jpg',0)
cv.imshow('image_gray', img)
cv.waitKey(0)
cv.destroyAllWindows()- 方法二：使用 cv.cvtColor 颜色空间转换；
import cv2 as cv
img = cv.imread('./images/messi5.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('image_gray', img_gray)
cv.waitKey(0)
cv.destroyAllWindows()
在这里插入图片描述
3. 图像二值化处理
3.1 函数调用
cv.threshold(src, thresh, maxval, type[, dst])3.2 参数说明
参数 | 说明 |
|---|---|
src | 表示变换操作的输入图像，nparray 二维数组， 必须是单通道灰度图像！ |
thresh | 表示阈值，取值范围 0~255。 |
maxval | 表示填充色，取值范围 0～255，一般取 255。 |
type | 表示变换类型。 |
dst | 表示返回阈值变换的输出图像。 |
3.3 type 值说明
值 | 说明 |
|---|---|
cv.THRESH_BINARY | 表示大于阈值时置 255，否则置 0。 |
cv.THRESH_BINARY_INV | 表示大于阈值时置 0，否则置 255。 |
cv.THRESH_TRUNC | 表示大于阈值时置为阈值 thresh，否则不变（保持原色）。 |
cv.THRESH_TOZERO | 表示大于阈值时不变（保持原色），否则置 0。 |
cv.THRESH_TOZERO_INV | 表示大于阈值时置 0，否则不变（保持原色）。 |
cv.THRESH_OTSU | 表示使用 OTSU 算法选择阈值。 |
3.4 二值图像
3.4.1 PNG 透明背景转二值图像
由于透明位置都是0，所以阀值设置为10就能很完美的转换二值图像！
import cv2 as cv
img = cv.imread('./images/opencv-logo-white.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('image_gray', img_gray)
ret, mask = cv.threshold(img_gray, 10, 255, cv.THRESH_BINARY)
cv.imshow('image_mask', mask)
cv.waitKey(0)
cv.destroyAllWindows()
在这里插入图片描述
3.4.2 JPG 复杂背景转二值图像
由于背景颜色比较复杂，所以阀值需要不断的调试，测试25时，返回的二值图像最佳，没有噪点！
import cv2 as cv
img = cv.imread('./images/butterfly.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('image_gray', img_gray)
ret, mask = cv.threshold(img_gray, 25, 255, cv.THRESH_BINARY_INV)
cv.imshow('image_mask', mask)
cv.waitKey(0)
cv.destroyAllWindows()
在这里插入图片描述
4. 注意
- 函数 cv.threshold 进行 固定阈值 的二值化处理；函数 cv.adaptiveThreshold 为 自适应阈值 的二值化处理函数，可以通过比较像素点与周围像素点的关系动态调整阈值。
- 确切地说，只有 type 为 cv.THRESH_BINARY 或 cv.THRESH_BINARY_INV 时输出为二值图像，其它变换类型时进行阈值处理但并不是二值处理。
5. 总结
- 函数 cv.threshold 只有 type 为 cv.THRESH_BINARY 或 cv.THRESH_BINARY_INV 时输出为二值图像，其它变换类型时进行阈值处理但并不是二值处理。
- 函数 cv.threshold 是进行 固定阈值 的二值化处理。
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2022-10-20，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录