pyhton +opencv图像处理（十五）——图像二值化

二值图像（Binary Image）
彩色图像：三个通道：0-255,0-255,0-255,有2^24位空间
灰度图像：一个通道：0-255，共有256种颜色
二值图像：只有两种颜色，黑色和白色（0和1）

图像二值化方法：
1、全局阈值
2、局部阈值

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

# 整体阈值
def threshold_demo(image):
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)  # 变成灰度图像
    #ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)# 这个好一点
    #ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_TRIANGLE)#三角阈值法
    ret,binary = cv.threshold(gray,127,255,cv.THRESH_BINARY)   # 自己指定阈值 为127
    # 还有其他方法
    '''
    OpenC的threshold函数进行全局阈值。其函数原型为：threshold(src, thresh, maxval, type[, dst]) -> retval, dst
    src参数表示输入图像（多通道，8位或32位浮点）。
    thresh参数表示阈值。
    maxval参数表示与THRESH_BINARY和THRESH_BINARY_INV阈值类型一起使用设置的最大值。
    type参数表示阈值类型。
    retval参数表示返回的阈值。若是全局固定阈值算法，则返回thresh参数值。若是全局自适应阈值算法，则返回自适应计算得出的合适阈值。
    dst参数表示输出与src相同大小和类型以及相同通道数的图像。
    '''    
    print("threshold value %s "%ret)
    cv.imshow("binary",binary)
    

# 局部阈值（自适应阈值）
def local_threshold(image):
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    dst = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)
    # 还有其他的方法
    cv.imshow("local_threshold",dst)

# 自己计算阈值
def custom_threshold(image):
    gray = cv.cvtColor(image,cv.COLOR_RGB2GRAY)   #要二值化图像，要先进行灰度化处理
    h,w = gray.shape[:2]  #求宽高
    m = np.reshape(gray,[1,w*h])    #将图像转一维数组，一行，w*h列，转换维度要保证其size不变
    mean = m.sum() / (w*h)  #求平均值来当做阈值，来分割图像
    print("mean :",mean)
    ret,binary = cv.threshold(gray,mean,255,cv.THRESH_BINARY)
    cv.imshow("custom_threshold",binary)
    cv.imwrite("C:\\pictures\\123.jpg",binary) # 存图

if __name__ == "__main__":
	filepath = "C:\\pictures\\012345.jpg"
	img = cv.imread(filepath)       # blue green red
	cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
	cv.imshow("input image",img)
	
	# threshold_demo(img)
	# local_threshold(img)
	custom_threshold(img)
	'''
	# 图片相与
	img1 = cv.imread("C:\\pictures\\123.jpg")
	dst = cv.bitwise_and(img,img1)
	cv. imshow("and",dst)
	'''
	cv.waitKey(0)
	cv.destroyAllWindows()

二值化后的图像，其中一个函数例子，效果不太好

THRESH_OTSU（大律法）和THRESH_TRIANGLE（三角形）都是自动获取阈值

自己直接指定阈值：
①THRESH_BINARY_INV 大于阈值的都为0
②THRESH_TRUNC 截断大于127的值都为127
③THRESH_TOZERO 小于阈值为0
cv.THRESH_TRIANGLE类型（有丢失）适用于单个波峰
cv.THRESH_OTSU类型最适用于双波峰

局部阈值：
cv.ADAPTIVE_THRESH_GAUSSIAN_C轮廓更加清晰

---

adaptiveThreshold方法：
adpativeThreshold(src,maxValue,adaptiveMerhod,thersholdType,blockSize,C[,dst])
src:表示输入图像（8位单通道图像）

maxValue:表示使用THRESH_BINARY和THRESH_BINARY_INV的最大值

adaptiveMerhod:表示自适应阈值算法，平均（ADAPTIVE_THRESH_MEAN_C）或高斯（ADAPTIVE_THRESH_GAUSSIAN_C）

thersholdType:表示阈值类型，必须为THRESH_BINARY或THRESH_BINARY_INV的类型

blockSize:表示块大小（奇数且大于1）

C:常数，表示平均值或加权平均值中减去的数，通常情况下是正值，但也有可能为零或负值

---

reshape方法：
numpy的reshape函数是给数组一个新的形状而不改变其数据

reshape(a,newshape,oeder=‘C’)
a:表示需要重新形成的原始数组

newshape:表示int或int类型数组(taple),若为（1，3）表示生成的新数组是1行3列

order:表示使用此索引顺序读取a的元素，并使用此索引顺序将元素放置到新形成的数组中