目录

一、简单阀值

二、自适应阀值

三、Otsu’s二值化

一、简单阀值

当像素值大于阀值时，我们给这个像素赋予一个新值（可能是白色），否则我们给予另外一种颜色（也许是黑色）。

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

img: 原图像thresh: 阈值maxval: 当type指定为THRESH_BINARY或THRESH_BINARY_INV时，需要设置该值type: 指定阈值类型；下面会列出具体类型：cv2.THRESH_BINARYcv2.THRESH_BINARY_INVcv2.THRESH_TRUNCcv2.THRESH_TOZEROcv2.THRESH_TOZERO_INV

这里的ret指的是自己输入的参数thresh： 阈值（下面程序）

import cv2import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.family'] = ['sans-serif']plt.rcParams['font.sans-serif'] = ['SimHei']img = cv2.imread('head.png',0)img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)ret1, thresh1 = cv2.threshold(img, 150,255,cv2.THRESH_BINARY)ret2, thresh2 = cv2.threshold(img, 150,255,cv2.THRESH_BINARY_INV)ret3, thresh3 = cv2.threshold(img, 150,255,cv2.THRESH_TRUNC)ret4, thresh4 = cv2.threshold(img, 150,255,cv2.THRESH_TOZERO)ret5, thresh5 = cv2.threshold(img, 150,255,cv2.THRESH_TOZERO_INV)title = ['original(原图)','Binary(二值阀值化)','Binary_inv(二值阀值化反向)','trunc(截断阀值化)','tozero(超过阀值为0)','tozero_inv(低于阀值为0)']images = [img,thresh1,thresh2,thresh3,thresh4,thresh5]for i in range(6):plt.subplot(2,3,i+1),plt.imshow(images[i]),plt.title(title[i])plt.xticks([]),plt.yticks([])plt.show()

从别人的博客那里偷了一个图，看起来舒服一点：

二、自适应阀值

根据图像上的每一小区域计算与其对应的阀值。因此在同一副图像上的不同区域采用的是不同的阀值，从而使得我们能在不同的亮度的情况下得到更好的结果

cv2.adaptiveThreshold(img, maxval, thresh_type, type, Block Size, C)

img： 输入图，只能输入单通道图像，通常来说为灰度图maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值thresh_type： 阈值的计算方法，包含以下2种类型：cv2.ADAPTIVE_THRESH_MEAN_C（阀值取自相邻区域的平均值）cv2.ADAPTIVE_THRESH_GAUSSIAN_C（阀值取自相邻区域的加权和，权重为一个高斯窗口）type：二值化操作的类型，与固定阈值函数相同，包含上面的五中类型Block Size：领域大小（用来计算阀值的区域大小）C ：阈值计算方法中的常数项（平均值或者是加权平均值减去这个常数）

import cv2import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.family'] = ['sans-serif']plt.rcParams['font.sans-serif'] = ['SimHei']img1 = cv2.imread('head.png',0)img2 = cv2.cvtColor(img1,cv2.COLOR_BGR2RGB)img4 = cv2.medianBlur(img1,5)ret,thresh1 = cv2.threshold(img4, 127,255,cv2.THRESH_BINARY)thresh2 = cv2.adaptiveThreshold(img4, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)thresh3 = cv2.adaptiveThreshold(img4, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)title = ['original(原图)-bgr','rgb','滤波','golbal thresholding(v=127)','adaptive mean thresholding','adaptive guassion thresholding']images = [img1,img2,img4,thresh1,thresh2,thresh3]for i in range(6):plt.subplot(2,3,i+1),plt.imshow(images[i]),plt.title(title[i])plt.xticks([]),plt.yticks([])plt.show()

cv2.medianBlur(img, 5)中值滤波，相当于将25个值进行排序，取中值作为当前值：参数说明：img表示当前的图片，3表示当前的方框尺寸

这里的用matplotlib来显示的话，颜色存在BGR和RGB的转换问题，是显示问题，但是看起来不是很舒服

但是如下所示，rgb已经转化成灰度图了，但是程序显示的维度却是三维的，这就很蒙蔽了（因为三维的图用不了阀值）

三、Otsu’s二值化

前面的阀值我们有选择的是150，也有127，那么实际情况，我们如何去选择这样的一个数字呢？

Otsu’s可以找到一个最好的阀值

注意plt.hist（）直方图，是一维，则需要用ravel来将三维数据转化为一维

import cv2import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.family'] = ['sans-serif']plt.rcParams['font.sans-serif'] = ['SimHei']img = cv2.imread('head.png',0)ret1,thresh1 = cv2.threshold(img, 127,255,cv2.THRESH_BINARY)ret2,thresh2 = cv2.threshold(img, 0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)blur = cv2.GaussianBlur(img,(5,5),0)ret3,thresh3 = cv2.threshold(blur, 127,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)title = ['Original Noisy Image', 'Histogram', 'Global Thresholding (v=127)','Original Noisy Image', 'Histogram', "Otsu's Thresholding",'Gaussian filtered Image', 'Histogram', "Otsu's Thresholding"]images = [img, 0, thresh1,img, 0 ,thresh2,img, 0 ,thresh3]for i in range(3):plt.subplot(3, 3, i * 3 + 1), plt.imshow(images[i * 3], 'gray')plt.title(title[i * 3]), plt.xticks([]), plt.yticks([])plt.subplot(3, 3, i * 3 + 2), plt.hist(images[i * 3].ravel(), 256)plt.title(title[i * 3 + 1]), plt.xticks([x for x in list(range(0,255,15))])plt.subplot(3, 3, i * 3 + 3), plt.imshow(images[i * 3 + 2], 'gray')plt.title(title[i * 3 + 2]), plt.xticks([]), plt.yticks([])plt.show()

如果觉得《10-opencv-python-图像阀值》对你有帮助，请点赞、收藏，并留下你的观点哦！