图像处理20：自适应阈值

最新推荐文章于 2025-05-29 08:32:39 发布

原创最新推荐文章于 2025-05-29 08:32:39 发布 · 1.8k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#Python #opencv #图像处理

OpenCV 专栏收录该内容

28 篇文章

订阅专栏

在前面的部分使用是全局阈值，整幅图像采用同一个数作为阈值。当时这种方法并不适应与所有情况，尤其是当同一幅图像上的不同部分的具有不同亮度时。这种情况下需要采用自适应阈值。此时的阈值是根据图像上的每一个小区域计算与其对应的阈值。因此在同一幅图像上的不同区域采用的是不同的阈值，从而使我们能在亮度不同的情况下得到更好的结果。这种方法需要我们指定三个参数，返回值只有一个。

• Adaptive Method- 指定计算阈值的方法。

– cv2.ADPTIVE_THRESH_MEAN_C：阈值取自相邻区域的平均值

– cv2.ADPTIVE_THRESH_GAUSSIAN_C：阈值取值相邻区域的加权和，权重为一个高斯窗口。

• Block Size - 邻域大小（用来计算阈值的区域大小）。

• C - 就是是一个常数，阈值就等于的平均值或者加权平均值减去这个常数。

使用下面的代码来展示简单阈值与自适应阈值的差别：

#coding:utf-8
import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('F:/qipan.jpg',0)
#中值滤波，采用一次模糊处理，也可不用，视情况定
img = cv2.medianBlur(img,1)

ret, th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
#11为Block size, 2为C值
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,2)
th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,11,2)

titles = ['Original Image','Global Thresholding (v =7)','Adaptive Mean Thresholding','Adaotive Gaussian Thresholding']
images = [img, th1, th2, th3]

for i in xrange(4):
    plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks(),plt.yticks()

plt.show()

结果图：