欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

OpenCV——全局二值化,局部二值化与自定义二值化

程序员文章站 2022-06-23 08:29:44
图像二值化( Image Binarization)就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程。在数字图像处理中,二值图像占有非常重要的地位,图像的二值化使图像中数据量大为减少,从而能凸显出目标的轮廓。全局二值化原图像:OTSU方法处理结果:Triangle结果:从这两张图的对比可以看出,在处理人像时,Triangle方法相较与OTSU方法没有明显的优势,甚至OTSU方法要略胜一筹。在学习中了解到:Triangle方法更适合用于单波峰图像的二值...

图像二值化( Image Binarization)就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程。在数字图像处理中,二值图像占有非常重要的地位,图像的二值化使图像中数据量大为减少,从而能凸显出目标的轮廓。

全局二值化

原图像:
OpenCV——全局二值化,局部二值化与自定义二值化
OpenCV——全局二值化,局部二值化与自定义二值化
OTSU方法处理结果:
OpenCV——全局二值化,局部二值化与自定义二值化
Triangle结果:
OpenCV——全局二值化,局部二值化与自定义二值化
从这两张图的对比可以看出,在处理人像时,Triangle方法相较与OTSU方法没有明显的优势,甚至OTSU方法要略胜一筹。在学习中了解到:Triangle方法更适合用于单波峰图像的二值化,常用于医学图像分析,于是做了如下实验:
医学细胞图像
OpenCV——全局二值化,局部二值化与自定义二值化
直方图分布
OpenCV——全局二值化,局部二值化与自定义二值化
OTSU结果:
OpenCV——全局二值化,局部二值化与自定义二值化
Triangle方法结果:
OpenCV——全局二值化,局部二值化与自定义二值化
但是如果单从这份结果来看的话,Triangle的优势还是不明显


局部二值化

mean方法结果:
OpenCV——全局二值化,局部二值化与自定义二值化
Gaussion结果:
OpenCV——全局二值化,局部二值化与自定义二值化
从这两张图的对比,可以认为Gaussion方法更加细腻,但并不是绝对的


自己定义的二值化方法

通过自己所设计的方法来实现二值化,其实就是计算得到一个threshold来进行二值化。
结果:
OpenCV——全局二值化,局部二值化与自定义二值化


代码部分

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt


def global_binary(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    plt.hist(gray.ravel(), 256, [0, 256])
    plt.show()
    """
        src:输入图像
        thresh:设置阈值,当进行二值化时,大于该值的为1,小于归0
        maxval:maximum value to use with the #THRESH_BINARY and #THRESH_BINARY_INV thresholding types.最大像素值
        type:所采用的方法
        
        注意:当设置了自动搜索阈值的方法时(如cv.THRESH_OTSU或者cv.THRESH_TRIANGLE),手动设置的阈值将不生效
    """
    thr, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    print("threshold:{}".format(thr))
    cv.imshow("binary", binary)


def local_binary(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    """
        src:输入图像
        maxValue:同上
        adaptiveMethod:自适应方法,常用的有ADAPTIVE_THRESH_MEAN_C以及ADAPTIVE_THRESH_GAUSSIAN_C,分别为均值发育高斯均值法
                        The #BORDER_REPLICATE | #BORDER_ISOLATED is used to process boundaries.
        thresholdType: must be either #THRESH_BINARY or #THRESH_BINARY_INV,只能是二值化或INV(反二值化)
        blockSize:局部二值的参考块大小
        C : Constant subtracted from the mean or weighted mean. Normally, it is positive but may be zero or negative as well.
            对每个块,结算得到的阈值减去常数C再来进行二值化,用于减小特殊值带来的误差
    """
    dst = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 25, 10)
    cv.imshow("local_binary", dst)


def custom_binary(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    h, w = gray.shape[:2]
    print("h:{}, w:{}".format(h, w))
    mean = np.sum(gray.ravel()) / (h*w)
    thr, binary = cv.threshold(gray, mean, 255, cv.THRESH_BINARY)
    print("threshold:{}".format(thr))
    cv.imshow("custom_binary", binary)


src = cv.imread("data/lena.jpg")
cell = cv.imread("data/cell.jpg")
# cv.imshow("original", cell)
# global_binary(cell)
# local_binary(src)
custom_binary(src)

cv.waitKey(0)
cv.destroyAllWindows()

本文地址:https://blog.csdn.net/weixin_43860783/article/details/110471280