OpenCV-Python之图像阈值化

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

自定义阈值操作