全局閾值和自適應閾值

1、均值法

計算圖片的色彩平均值，然後大於閾值的設置爲255，小於閾值的設置爲0。

2、OTSU

通過尋找類內最小方差：即先將圖像按照色彩畫出直方圖。按色彩值分成兩個大類，使每個類的方差最小。

3、三角法

代碼如下：

def binary_segmetation_demo():
    src = cv.imread("D:/pythonTest/img/1.jpg",cv.IMREAD_GRAYSCALE)
    cv.imshow("input",src)
    ret,dst = cv.threshold(src,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)
    #ret用於接收算法得出的閾值
    cv.imshow("output",dst)
    print(ret)

上面的代碼的OTSU的效果如下：

全局閾值的缺點：對光照不均勻的圖像容易出現錯誤的二值分割。

自適應閾值是先對圖像進行模糊求差值，再二值化。

代碼如下：

def binary_segmetation_demo():
    src = cv.imread("D:/pythonTest/img/1.jpg",cv.IMREAD_GRAYSCALE)
    cv.imshow("input",src)
    #ret,dst = cv.threshold(src,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)
    dst = cv.adaptiveThreshold(src,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)
    #倒數第二個參數是blocks，必須是奇數
    #ret用於接收算法得出的閾值
    cv.imshow("output",dst)

上述代碼的效果如下：

先去噪（用高斯模糊等）再二值化會有較好的效果，代碼如下：

src = cv.GaussianBlur(src,(7,7),0)
dst = cv.adaptiveThreshold(src,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)