python-opencv 图像阈值二值化

本文讲解基于OpenCV-python的图像二值化API及浅显原理讲解

---

---

一. 阈值

在python的OpenCV中，阈值是图像二值化的必要条件，所谓阈值就是设定一个指，对于整张图片来说，大于该值的像素点重赋值为一个值，或者小于该值的像素点重赋值为多少。一般情况下阈值的选取及选取方法决定了二值化的效果。从API层面来看，有两种阈值可选，分别为简单阈值和自适应阈值

1. 简单阈值

简单阈值顾名思义就是由我们给出一个简单的值，这种阈值是由我们给出的，具体的流程为，遍历图像，当像素高与该阈值时，则对该像素点赋值为设定好的值，否则不动。

2. 自适应阈值

自适应阈值是利用API在某部分图像自动计算出的阈值，该阈值大概率情况下效果都要好于自己设定好的阈值。

二. 图像二值化

1. 全局图像二值化

对于该方法opencv提供了我们需要的API

cv2.threshold()

它用来做全局的二值化，即用一个阈值对整个图每张像素点进行操作。
参数及效果会用代码和几张图片来讲解。

图片：

import cv2 as cv
import numpy as np


def load_image():
    src=cv.imread('num.jpg')
    h,w=src.shape[:2]
    #src=cv.resize(src,(w*2,h*3))
    return src
#全局阈值
def threshold_demo(image):
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    #为0则使用自动寻找阈值的选项 使用自动寻找即用|分开。
    ret,binary=cv.threshold(gray,127,255,cv.THRESH_BINARY)#|cv.THRESH_TRIANGLE
    print(ret)
    cv.imshow('same_3',binary)
    cv.waitKey(0)
    cv.destroyAllWindows() 

threshold_demo(load_image())

结果如下：

显然与我们需要的相差甚远，但是该方法还是需要讲解。

1. ret,binary=cv.threshold(gray,127,255,cv.THRESH_BINARY)
2. ret,binary=cv.threshold(gray,127,255,cv.THRESH_BINARY)#|cv.THRESH_TRIANGLE

参数：

• 灰度图像：在做二值化时我们必要用灰度图像
• 设定好的阈值
• 当阈值大于该值时（或小于）像素点赋值为
• 固定参数方法：cv.THRESH_BINARY 二值化，下图将包含方法及其曲线
• 可选参数若加该参数则在最后加上一个 |cv.THRESH_TRIANGLE注意那里的|不要丢，选定该方法后，前面设置的阈值将无效，利用方法自动计算阈值
• 返回值一：计算好或者设定好的阈值
• 返回值二：处理好的图像
• 其他的都已经讲过很多遍了就需要多说了。

2. 局部图像二值化

局部图像二值化要比全局图像二值化的效果好很多，我们在全局图像二值化时，就算设定了自动计算阈值，取得较好的阈值，但是对于直方图有两个波峰的图像来说，其阈值显然只适用于部分的像素点。因此会出现大面积黑或者大面积白的情况。我们来看局部图像二值化的结果。

impo