Python OpenCV 简单阈值算法实现与对比

OpenCV 简单阈值算法实现

在图像处理中，阈值处理（Thresholding）是最基础的图像分割技术之一。OpenCV 提供了 cv2.threshold() 函数来实现这一功能。该函数的核心逻辑是将图像中的像素值与设定的阈值进行比较，并根据指定的算法重新分配像素值。

基础代码实现

首先，我们需要读取图像并将其转换为灰度图。OpenCV 默认以 BGR 格式读取彩色图像，因此必须通过 cv2.cvtColor() 进行颜色空间转换，或者直接在读取时指定标志位为灰度模式。

#! usr/bin/env python
# coding: utf-8
import cv2

img = cv2.imread('cat.jpg')
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 先将图像矩阵进行二值化
# img = cv2.imread('cat.jpg'，0)
# 也可以直接将图像用灰度值读入，其中0就表示用灰度读图

cv2.imshow('img',img)

_,img1 = cv2.threshold(img,100,250,cv2.THRESH_BINARY)
# 这个函数返回两个值，第二个值才是二值化后的图像矩阵
# 最后一个参数表示一种二值化算法
# 阈值设置为100,
# 250表示大于100的像素值会被重新赋值为250

cv2.imshow('img',img1)

# cv2.waitKey()
cv2.destroyAllWindows()

在 cv2.threshold() 函数中，返回值包含两个部分：第一个是计算出的实际阈值（当使用固定阈值时通常等于输入阈值），第二个是经过处理后的图像矩阵。以 cv2.THRESH_BINARY 为例，当像素值大于阈值（如 100）时，将其设置为最大值（如 250）；否则设置为 0。

不同阈值算法对比

OpenCV 提供了多种简单阈值算法，适用于不同的图像处理场景。以下代码演示了五种常见算法的效果对比：

############ 以下比较不同简单二值化算法的区别

# 先进行不同算法的二值化
ret,img1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
# 从名字可以看出一点来，binary是二元的意思，这里指要么0，要么指定的一个值（255）
print(ret)
ret,img2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
# 注意到INV表示逆，全写是inverse
ret,img3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
# 注意到truncate表示截断的意思。这个函数不再是二元，而是对超过某个值的部分进行处理，否则并不会处理。
ret,img4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
# 实际上，这也是一种阶段，对大于某一个值的像素值进行调整，与trunc不同的是，这里变为0，而不是最大值
ret,img5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)

import numpy as np
import matplotlib.pyplot as plt
#用这个模块来画图显示，这个库和opencv有些不同，可参考前面的博客
# https://blog.csdn.net/qq_27261889/article/details/80543966

# 先定义以下图的图题和图像矩阵
titles = ['original','binary','binary_inv','trunc','tozero','tozero_inv']
imgs = [img,img1,img2,img3,img4,img5]

for i in range(6):
  plt.subplot(2,3,i+1)#分别画出每一个图
  plt.imshow(imgs[i],'gray')
  plt.title(titles[i])#写出图题

plt.show()

算法详解

• THRESH_BINARY：二元阈值处理。像素值大于阈值时设为最大值（如 255），否则设为 0。
• THRESH_BINARY_INV：反向二元阈值处理。像素值大于阈值时设为 0，否则设为最大值。
• THRESH_TRUNC：截断阈值处理。像素值大于阈值时设为阈值，否则保持不变。
• THRESH_TOZERO：阈值化为零。像素值大于阈值时保持不变，否则设为 0。
• THRESH_TOZERO_INV：反向阈值化为零。像素值大于阈值时设为 0，否则保持不变。

通过 matplotlib 库，我们可以直观地对比这五种算法对同一张灰度图像的处理结果。代码中使用了 plt.subplot() 将六张图像（原图及五种处理结果）排列在 2x3 的网格中，并分别标注标题以便观察差异。

以上就是 Python OpenCV 简单阈值算法实现与对比的详细内容，更多关于 OpenCV 图像处理技术的资料请关注本站其它相关文章！