Opencv图像二值化操作

图像二值化就是根据阈值将数字图像分为两部分：大于阈值的像素集合和小于阈值的像素集合。二值化操作分为全局二值化和局部二值化：

• 全局二值化：是针对整幅数字图像来说的，设置一个阈值，让整幅数字图像的所有像素值与该阈值进行比较；
• 局部二值化：是针对一幅数字图像的某一部分(区域)来说的，设置一个阈值，让该区域的所有像素值与该阈值进行比较，因此，当一幅数字图像上的不同部分具有不同亮度时，在对其进行二值化操作时，需要采用自适应阈值，让不同的区域取不同的阈值；

在Opencv中对上述两种二值化操作均提供了对应的函数。

全局二值化

import cv2

cv2.threshold(src,thresh,maxval,type,dst) -> retval, dst

参数

• src：灰度图；
• thresh：阈值；
• maxval：当像素值高于（有时是小于）阈值时应该被赋予的新的像素值，与CV_THRESH_BINARY 和CV_THRESH_BINARY_INV一起使用。
• type：阈值类型。

阈值类型如下所示：

• cv2.THRESH_BINARY：像素点的灰度值大于阈值的区域设定为 maxval，小于等于阈值的区域设定为 0。( 8 位灰度值区间为$[0,255]$)
• cv2.THRESH_BINARY_INV：像素点的灰度值大于阈值的区域设定为 0，而小于等于阈值的设定为 maxval。
• cv2.THRESH_TRUNC：像素点的灰度值大于阈值的区域就设定为阈值，小于等于阈值的区域不改变。
• cv2.THRESH_TOZERO：像素点的灰度值大于阈值的区域不进行任何改变，小于等于该阈值的区域全部变为 0。
• cv2.THRESH_TOZERO_INV：像素点的灰度值大于该阈值的区域全部变为 0，小于等于该阈值的区域不进行任何改变。
• cv.THRESH_MASK：
• cv.THRESH_OTSU：使用Otsu算法选择最佳阈值。
• cv.THRESH_TRIANGLE：使用Triangle算法选择最佳阈值。

局部二值化

import cv2

cv2.adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType, blockSize,C,dst)

参数

• src：灰度图。
• maxValue：给满足条件的像素被赋予的非零值。
• adaptiveMethod：要使用的自适应阈值算法，cv.BORDER_REPLICATE 和 cv.BORDER_ISOLATED用于处理边界。
• thresholdType：阈值类型：CV_THRESH_BINARY 和CV_THRESH_BINARY_INV。
• blockSize：用于计算像素阈值的像素邻域的大小，比如：3,5,7等。
• C：从平均值或加权平均值中减去常数。通常情况下，它是正的，但也可能是零或负的。

参数adaptiveMethod可取值如下所示：

• CV_ADAPTIVE_THRESH_MEAN_C：像素点(x , y)的阈值为$blockSize\ast blockSize$邻域内的均值减去参数C。
• CV_ADAPTIVE_THRESH_GAUSSIAN_C：像素点(x , y)的阈值为$blockSize\ast blockSize$邻域内的加权和（高斯窗口互相关）减去参数C。