[OpenCv](python)图像二值化_python 二值化图像取反-优快云博客

图像二值化

import cv2 as cv
import numpy as np

“”"

1、全局阈值函数

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

参数： src - 输入数组/图像（多通道，8位或32位浮点）

thresh - 阈值

maxval - 最大值，与#THRESH_BINARY和#THRESH_BINARY_INV阈值类型一起使用的最大值（maximum value）

type - 阈值类型

dst - 输出数组/图像（与src相同大小和类型以及相同通道数的数组/图像）。

此外，特殊值#THRESH_OTSU或#THRESH_TRIANGLE可以与上述值之一组合。在这些情况下，函数使用Otsu或Triangle算法确定最佳阈值，并使用它而不是指定的阈值。

返回值：retval - 阈值 thresh

          dst - 经函数处理后的图像 image

“”"

#全局阈值
def threshold_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    # 单个波峰（医学影像）用cv.THRESH_TRIANGLE),多个波峰用cv.THRESH_OTSU
    ret, binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY|cv.THRESH_OTSU)
    print("threshold value %s"%ret)
    cv.imshow("binary", binary)

“”"

2、局部阈值函数

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) -> dst

参数：src-输入图像（8位单通道图像）

maxValue-使用 THRESH_BINARY 和 THRESH_BINARY_INV 的最大值.

adaptiveMethod-自适应阈值算法，平均（ADAPTIVE_THRESH_MEAN_C）或高斯（ADAPTIVE_THRESH_GAUSSIAN_C）

thresholdType-阈值类型，必须为THRESH_BINARY或THRESH_BINARY_INV的阈值类型

blockSize-块大小（奇数且大于1 ）

C-常数，从平均值或加权平均值中减去的数。通常情况下，这是正值，但也可能为零或负值

返回值：dst-经函数处理过的图像
“”"

#局部阈值
def local_threshold(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    #平均数大于10才变成白色，去除噪声
    binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 25, 10)
    cv.imshow("binary", binary)

#自适应阈值
def custom_threshold(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    # 求出宽高
    h, w = gray.shape[:2]
    # 变成一维数组
    m = np.reshape(gray, [1, w*h])
    mean = m.sum() / (w*h)
    print("mean : ", mean)
    ret, binary = cv.threshold(gray, mean, 255, cv.THRESH_BINARY)
    cv.imshow("binary", binary)


print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("D:/vcprojects/images/test.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
custom_threshold(src)
cv.waitKey(0)

cv.destroyAllWindows()