时间:2021-05-22
图像的二值化或阈值化(Binarization)旨在提取图像中的目标物体,将背景以及噪声区分开来。通常会设定一个阈值T,通过T将图像的像素划分为两类:大于T的像素群和小于T的像素群。
灰度转换处理后的图像中,每个像素都只有一个灰度值,其大小表示明暗程度。二值化处理可以将图像中的像素划分为两类颜色,常用的二值化算法如公式1所示:
{Y=0,gray<TY=255,gray>=T
{Y=0,gray<TY=255,gray>=T
当灰度Gray小于阈值T时,其像素设置为0,表示黑色;当灰度Gray大于或等于阈值T时,其Y值为255,表示白色。
Python OpenCV中提供了阈值函数threshold()实现二值化处理,其公式及参数如下图所示:
retval, dst = cv2.threshold(src, thresh, maxval, type)
二进制阈值化
该方法先要选定一个特定的阈值量,比如127
1) 大于等于127的像素点的灰度值设定为最大值
2) 灰度值小于127的像素点的灰度值设置为0
例如: 156->255 89->0
关键字为cv2.THRESH_BINARY,完整代码如下
import cv2def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()效果如下:
反二进制阈值化
该方法与二进制阈值化方法相似,先要选定一个特定的灰度值作为阈值,比如127
1) 大于127的像素点的灰度值设定为0
2) 小于该阈值的灰度值设定为255
例如:156->0 89->255
关键字为cv2.THRESH_BINARY_INV
代码如下:
import cv2def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY_INV) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()效果如下:
截断阈值化
该方法需要选定一个阈值,图像中大于该阈值的像素点被设定为该阈值,小于该阈值的保持不变。
1) 大于等于127像素点的灰度值设定为该阈值127
2) 小于该阈值的灰度值不变
例如: 163-> 127 89->89
关键字cv2.THRESH_TRUNC,完整代码如下
import cv2def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TRUNC) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()效果如下:
反阈值化为0
该方法先选定一个阈值,比如127
(1) 大于等于阈值127的像素点变为0
(2) 小于该阈值的像素点值保持不变
例如: 128->0 89->89
关键字为cv2.THRESH_TOZERO_INV,完整代码如下:
import cv2def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO_INV) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()效果如下:
阈值为0
该方法先选定一个阈值,比如127
(1) 大于等于阈值127的像素点,值保持不变
(2) 小于该阈值的像素点值设置为0
例如: 163->163 102->0
关键字为cv2.THRESH_TOZERO,完整代码如下:
import cv2def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()效果如下:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本项目利用python以及opencv实现信用卡的数字识别前期准备导入工具包定义功能函数模板图像处理读取模板图像cv2.imread(img)灰度化处理cv2.
本文实例讲述了Python图像处理之简单画板实现方法。分享给大家供大家参考,具体如下:Python图像处理也是依赖opencv的Python接口实现的,Pyth
本文实例讲述了Python图像处理之图像的读取、显示与保存操作。分享给大家供大家参考,具体如下:python作为机器学习和图像处理的利器,收到越来越多的推崇,特
前言上一篇文章,我们讲解了图像处理中的亮度和对比度的变化,这篇文章我们来做一个阈值函数。最简单的图像分割方法阈值是最简单的图像分割方法。比如为了从下图中分割出苹
增强处理。一般图形图像的增强处理都是在后期制作中完成,所以相对来说难度较大,需要具有专业的技术能力。图形图像增强处理技术对于中心图像的四周图像应当采取淡化处理措