OpenCV學習之路（六）圖像閾值

在這一章我們將要學習圖像閾值的相關知識，包括簡單閾值，自適應閾值， Otsu’s 二值化 。

簡單閾值

構造函數爲：

cv2.threshold(img,thresh,maxval,type，dst=None)

參數解釋：

• img是等待進行處理的圖像
• thresh是一個標記，凡是高於（低於）這個閾值的像素值都會被賦予黑色（或者白色）
• maxval這個值就是高於或者低於thresh時要賦予的值
• type這裏控制的是閾值化操作的類型
  • cv2.THRESH_BINARY
  • cv2.THRESH_BINARY_INV
  • cv2.THRESH_TRUNC
  • cv2.THRESH_TOZERO
  • cv2.THRESH_TOZERO_INV
  具體這五種操作有什麼不同，我們還是得用例子來說明。

原圖

ret,mask=cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)

可以看出cv2.THRESH_BINARY_INV表示小於‘127’的賦值‘255’

ret,mask=cv2.threshold(img,127,255,cv2.THRESH_BINARY)

可以看出cv2.THRESH_BINARY表示大於‘127’的地方賦值‘255’

ret,mask=cv2.threshold(img,127,255,cv2.THRESH_TRUNC)

這個就很迷惑了，第三個參數好像沒用，大於第二個參數都被賦值賦成127了

ret,mask=cv2.threshold(img,127,0,cv2.THRESH_TOZERO)

小於127的全被黑了

ret,mask=cv2.threshold(img,127,0,cv2.THRESH_TOZERO_INV)

大於127的全黑

自適應閾值

簡單閾值對整張圖像只有一個閾值，這必然是不精準的，在圖像各個部位光照不同的情況下就會產生很大誤差，這時候我們就需要用自適應閾值。此時的閾值是根據圖像上的 每一個小區域計算與其對應的閾值。

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

• src:原圖像

• maxValue:當閾值類型（thresholdType）採用cv2.THRESH_BINARY和cv2.THRESH_BINARY_INV時像素點被賦予的新值

• adaptiveMethod:自適應閾值的計算方法，包括兩種：

  1. cv2.ADPTIVE_THRESH_MEAN_C：閾值取自相鄰區域的平均值
  2. cv2.ADPTIVE_THRESH_GAUSSIAN_C：閾值取值相鄰區域的加權和，權重爲一個高斯窗口。

• thresholdType:閾值分割類型，共5種，同cv2.threshold()的閾值分割類型參數

• blockSize:用來計算閾值的鄰域大小

• C:常數，adaptiveMethod方法計算出的數值減去這個常數C就爲閾值

import numpy as np
import cv2
img=cv2.imread('D://zopencv//jianpan.jpg',cv2.IMREAD_GRAYSCALE)
mask=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,3)
th1 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\ cv2.THRESH_BINARY,11,2)
th1 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\ cv2.THRESH_BINARY,11,2)

cv2.imshow('mask1',th1)
cv2.imshow('mask2,th2)
cv2.waitKey(0)
cv2.destroyAllWindows()

Otsu 二值化

在第一部分中我們提到過 retVal，當我們使用 Otsu 二值化時會用到它。 那麼它到底是什麼呢？ 在使用全局閾值時，我們就是隨便給了一個數來做閾值，那我們怎麼知道 我們選取的這個數的好壞呢？答案就是不停的嘗試。如果是一副雙峯圖像（簡 單來說雙峯圖像是指圖像直方圖中存在兩個峯）呢？我們豈不是應該在兩個峯 之間的峯谷選一個值作爲閾值？這就是 Otsu 二值化要做的。簡單來說就是對 一副雙峯圖像自動根據其直方圖計算出一個閾值。（對於非雙峯圖像，這種方法 得到的結果可能會不理想）。 這裏用到到的函數還是 cv2.threshold()，但是需要多傳入一個參數 （flag）：cv2.THRESH_OTSU。這時要把閾值設爲 0。然後算法會找到最 優閾值，這個最優閾值就是返回值 retVal。如果不使用 Otsu 二值化，返回的 retVal 值與設定的閾值相等。

ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

很明顯我不咋明白。。。