python将灰度图像二值化,图像的二值化处理matlab
欢迎来到“hxdmjpython”，发现更多“有趣”
在本文中，您将学习如何使用NumPy对图像进行二值化。当然，OpenCV用于读取灰度和RGB格式的图像。
要理解二进制是什么，二进制是由两个东西组成的。在计算机术语中，二进制文件只有0和1。如果我们用图片来连接同样的东西，那么在黑白图片中：
0表示黑色。
1表示白色。
在学习图像处理的初级阶段，我们认为灰度图像就是二值图像。虽然不是。但是慢慢的，当我们开始谈论这个话题的时候，我才意识到我们错了多少。然后，你将学习如何使用和不使用库。NumPy用于矩阵运算，但是使用循环规则将防止程序变慢。)。它还使用Matplotlib来绘制结果。
RGB 和灰度概述
在灰度图像中，二值化的效果非常好。彩色(RGB)图像的问题在于，每个像素是一个表示三个唯一值的向量：红色、绿色和蓝色。
典型的灰度图像矩阵如下所示。
数组([ 162，162，162，170，155，128]，[162，162，155，128]，[162，162，162，170] 55，104，105，170)
array ([ 226，137，125 ]、[ 200，99，90 ]、[ 226，137，125 ]、[ 200，99，90 ]、[ 226，137 ]).[ 177，62，79 ]、[ 82，22，57 ]、[ 185，74，81 ]、[ 82，22，57 ]、[ 185，74，81 ]、数据类型
R 矩阵
数组([ 226，226，223，230，221，200 ]，[ 226，226，223，230，221，200 ]，[ 226，226，223，].
array ([ 137，137，137，148，130，99 ]，[ 137，137，137，137，137，137，137，137，99 ]).
数组([ 125，125，1 ])
33, 122, 110, 90], [125, 125, 133, 122, 110, 90], [125, 125, 133, 122, 110, 90], [ 60, 60, 58, 84, 76, 79], [ 57, 57, 62, 79, 81, 81], [57, 57, 62,79，81，81]]，dtype=uint8)无论我们对灰度图像做什么，都需要对RGB图像做同样的计算，但是我们需要将R，G，B通道分离3次，最后合并成一个正确的。
编程时间
我们使用的主要软件库有：
NumPy
Matplotlib
开放计算机视觉
导入软件库
将numpy作为npimport从matplotlib导入JSON将pyplot作为plt读取图片导入
def read_this(image_file，gray _ scale=False):image _ src=cv2 . im read(image _ file)if gray _ scale:image _ src=cv2 . CVT color(image _ src，2 .color _ bgr 2 gray)else:image _ src=cv2。cvtcolor (image _ src，cv2。color _ bgr2rgb) return image _ src上述函数读取灰度或rgb的图像，并返回图像矩阵。
实现代码
为了将图像转换成二值图像，我们可以简单地使用cv2库中提供的threshold()方法。这样不管图像是什么(灰度还是RGB)都转换成二进制。使用时需要四个参数。
Src:它基本上是一个图像矩阵。
Thresh: threshold，根据该值为像素赋予新值。如果像素小于这个值，我们会将这些像素重新赋值为255；否则，像素将被重置为0。
Maxval:图像可以包含的最大像素值(255)
类型：给定的阈值类型，根据该类型计算运算。
之后，我们将在下面的函数中绘制结果以查看变化。
def binary ize _ lib(image _ file，thresh_val=127，with_plot=False，gray _ scale=False):image _ src=read _ this(image _ file=image _ file，gray_scale=gray_scale) th，image _ b=cv2 . threshold(src=image _ src，thresh=thresh_val，maxval=255，type=cv2。THRESH _ BINARY)if with _ plot:Cmap _ val=None if not gray _ scale else gray fig，(ax1，ax2)=plt.subplots(nrows=1，ncols=2，figsize=(10，20))ax1 . axis( off )ax1 . title . set _ text( Original )ax2 . title . set _ text( off )ax1 . im show(image _ src，Cmap=cmap _ val) ax2.imshow (image
binary ize _ lib(image _ file= Lena _ original。png ，with_plot=True)
binary ize _ lib(image _ file= Lena _ original。png ，with_plot=True，gray_scale=True)
现在我们已经看到了原始图像和二进制图像的结果，很明显，使用库中提供的函数编写的代码对这两者都适用。是时候让我们从头开始编写如何使用NumPy对图像进行二值化。
从零开始的代码实现
首先，我们将编写一个函数，将小于指定阈值的像素值重新赋值为255。
通过这样做，我们可以看到下面这样的东西：
def convert_binary(image_matrix，thresh _ val):白色=255黑色=0 initial_conv=NP。其中((image_matrix=thresh _ val)，image_matrix，white)final _ conv=NP。其中((initial _ conv thresh _ val)，initial _ conv，黑)return final_conv我们将上面的函数通过分离r、g和b值进行三次调用，最后将它们合并得到二值化图像。一旦这样做，我们就可以像以前那样绘制结果。
def binary size _ this(image _ file，thresh_val=127，with_plot=False，gray _ scale=False):image _ src=read _ this(image _ file=image _ file，gray_scale=gray_scale)如果不是gray_scale: cmap_val=None r_img，g_img，b_img=image_src[:1]，image_src[:2]r _ b=convert _ binary(image _ matrix我们只是使用NumPy创建了我们的二进制化代码：
二进制化_ this(image _ file= Lena _ original。png ，with_plot=True)
二进制化_ this(image _ file= Lena _ original。png ，with_plot=True，gray_scale=True)
至此，我们发现使用NumPy从零编写的结果与我们调用库函数编写的代码得到的结果非常相似。
END
快乐生活
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。