OpenCV-Python之图像阈值化
这篇笔记主要介绍全局阈值和局部阈值两方面。
关于阈值化方法
- OTSU:内方差最小,外方差最大
- Triangle:直方图为三个波峰或者生物中的细胞图像最为常用,其他并不常见
- 自动和手动
- 自适应(局部)阈值
全局阈值
import cv2 as cv
import numpy as np
def threshold_demo(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255,cv.THRESH_BINARY|cv.THRESH_OTSU)
print('threshold value:{}'.format(ret))
cv.imshow('threshold image', binary)
src = cv.imread('./data/sudoku.png',1)
cv.imshow('source image', src)
threshold_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
如果用Triangle方法,则ret, binary = cv.threshold(gray, 0, 255,cv.THRESH_BINARY|cv.THRESH_TRIANGLE)
直接面目全非!所以这个三角方法慎用
自适应阈值
def local_threshold_demo(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
dst = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 25, 10)
cv.imshow('threshold image', dst)
src = cv.imread('./data/sudoku.png',1)
cv.imshow('source image', src)
local_threshold_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
感觉这个效果棒呆了有木有。
下面这个使用高斯方法:
比C_means要清晰