基於Python的Opencv學習第六天
這是我學習Opencv的第六天，來看看今天給大家介紹的內容吧。
閾值分割
一.基礎理論
閾值很容易理解，就通俗來說就是一個標準，所有東西都得和這個標準進行比較，從而得到大於閾值和小於閾值兩部分，然後再分別作出不同處理。
這是Opencv官網上面一張圖，接下來，我們將對這幅圖進行介紹，來了解閾值幾種不同的閾值分割。
首先來看一下原始圖像像素值分佈圖：
其中縱座標代表像素值的大小，從0~255，紅色線代表着閾值，像素點的大小分佈在閾值兩側，最大達到255，最小達到0。
來看看常見的五種閾值化分割：
Ⅰ.二進制閾值化
這種分割
先要選定一個特定的閾值量，比如：128
新的閾值產生的規則是：
①大於等於128的像素點的灰度值設定爲最大值（最大值如8位灰度值最大爲255）
②灰度值小於128的像素點的灰度值設定爲0
公式爲：
示例：選定閾值爲128
159—>255
105—>0
205—>255
98—>0
這裏對比上下兩幅圖可以看到，從鋸齒型圖變成了方波型圖。
Ⅱ.反二進制閾值化
該閾值化和二進制閾值化相似，先選定一個特定的灰度圖爲閾值（以8位灰度圖爲例）：
大於等於閾值的設定爲0
小於閾值的設定爲255
這裏不做過多贅述，就是和二進制閾值化結果取反。
Ⅲ.截斷閾值化
這個閾值化是，首先選定一個閾值，圖像中大於該閾值的像素點被設定爲該閾值，小於該閾值的保持不變。
示例：閾值選取爲127，則
小於127的閾值保持不變
大於等於127的像素點設定爲該閾值127
這裏就是在圖形上面體現截斷閾值化。
Ⅳ.反閾值化爲零
這裏的閾值化爲零就是：
先選定一個閾值，然後進行如下處理：
大於等於該閾值的像素點，值變爲0；
小於該閾值的像素點，值保持不變。
示例：選定閾值爲128
159—>0
105—>105
205—>0
98—>98
這裏我們看到大於等於閾值的像素點全都爲零
Ⅴ.閾值化爲零
理解了反閾值化爲零之後，來講閾值化爲零就方便多了。這個閾值化爲零就是：
先選定一個閾值，然後對圖像進行如下處理：
大於等於閾值的像素點，其值保持不變
小於該閾值的像素點，值變爲0
這裏和閾值化爲零，以及反二進制化閾值結合起來理解就相當容易，我就不過多贅述。
二.圖像閾值threshold及實現閾值分割
在圖像閾值分割時，我們需要調用threshold（），具體語法如下：
retval,dst=cv2.threshold(src,thresh,maxval,type)
來講一下返回值含義：
retval：閾值，此處閾值和thresh一致，即指定閾值多少將得到閾值多少；
dst：處理結果，這裏指我們對一幅圖像進行處理之後得到的結果圖像。
來看一下各個參數含義：
src：需要處理的原圖像
thresh：指我們設定的閾值
maxval：指我們閾值分割時候的指定的最大值（可以是1或者255）
type：指在上述講的五種類型分割中選一種
Ⅰ.二進制閾值化
在二進制閾值化中，關鍵字是cv2.THRESH_BINARY
示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY)
>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY)
>>> cv2.imshow("a",a)
>>> cv2.imshow("b",b)
>>>
這裏我們可以看到左邊爲原始灰度圖像a，右邊是進行二進制閾值化之後得到的圖像b，這裏超過閾值127的變爲最大值255（即純白色），小於閾值127的變爲最小值0（即純黑色）。因爲在opencv中最小值0代表純黑，最大值255代表着純白，這在我第一篇博客就講到過。
Ⅱ.反二進制閾值化
在二進制閾值化中，關鍵字是cv2.THRESH_BINARY_INV
示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY_INV)
>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY_INV)
>>> cv2.imshow("b",b)
>>> cv2.imshow("a",a)
>>>
這裏大於閾值的像素點處理爲最小值0，小於或者等於閾值的像素點處理爲最大值255，結果展示如上兩幅圖。
Ⅲ.截斷閾值化
在二進制閾值化中，關鍵字是cv2.THRESH_TRUNC
示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_TRUNC)
>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_TRUNC)
>>> cv2.imshow("b",b)
>>> cv2.imshow("a",a)
>>>
這裏截斷閾值化值的是所有大於等於閾值的像素點變成閾值的值，所有小於閾值的值保持不變。所有右上圖看出，白的部分全都變成了閾值要求的灰色，而黑色部分沒有改變。
Ⅳ.反閾值化爲零
在二進制閾值化中，關鍵字是cv2.THRESH_TOZERO_INV
示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO_INV)
>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>>> cv2.imshow("a",a)
>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO_INV)
>>> cv2.imshow("b",b)
>>>
這裏大於閾值的像素點變爲最小值0，小於等於閾值的像素點保持不變，導致右上圖中，大部分白色部分均變成了黑色（即最小值0）。
Ⅴ.閾值化爲零
在二進制閾值化中，關鍵字是cv2.THRESH_TOZERO
示例：
r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO)
>>> a=cv2.imread(r"C:\Users\LT010407\Desktop\2.gray.jpg")
>>>> r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO)
>>> cv2.imshow("b",b)
>>>cv2.imshow("a",a)
這裏小於閾值像素點的部分變爲最小值0（即最黑色），而大於等於閾值的像素點的值保持不變。
今天只講了閾值分割的概念和代碼實現，代碼比較簡單，只要弄懂參數意思就能實現想要的結果，如果有不明白最好要結合概念來理解。OK，今天就到這裏，我們下一篇博客再見。（轉載註明出處）