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)