图像二值化python,python画二元函数

　　什么是图像二值化在了解二值化之前，先简单介绍几个概念：

　　彩色图像

　　彩色图像有三个通道：蓝色、绿色和红色，取值范围从0到255。

　　灰度：只有一个通道，取值范围为0-255，所以有256种彩色二值图像。

　　二值图像只有两种颜色，黑色和白色。图像二值化图像的二值化也很简单。它可以分两步完成，如下所示

　　第一步：获取阈值

　　获得门槛很简单。OpenCv的阈值函数可以用来获取全局阈值。也可以通过OpenCv的adaptiveThreshold获取本地阈值，也可以自定义阈值。下面简单介绍一下这三个门槛。

　　全局阈值

　　全局阈值可以通过OpenCv的阈值函数实现，如下：

　　cv的参数描述。threshold (src，thresh，maxval，type [，dst])-retval，dst):

　　# src:表示输入图像(多通道、8位或32位浮点)。# thresh:表示阈值。# maxval:将设置的最大值用于THRESH_BINARY和THRESH_BINARY_INV阈值类型。# type:阈值的类型# retval:返回的阈值。如果是全局固定阈值算法，则返回thresh参数值。如果是全局自适应阈值算法，则返回自适应计算得到的合适阈值。# dst:以与src相同的大小和类型以及相同的通道数输出图像。注意：阈值的类型还包括以下几种

　　说明THRESH_BINARY超过阈值的类型值为最大值，其他值为0THRESH_BINARY_INV超过阈值，其他值为最大值，THRESH_TRUNC超过阈值的值等于阈值，其他值不变，THRESH_TOZERO超过阈值的值不变，其他值为0THRESH_TOZERO_INV超过阈值，其他值不变，其他值不变。以下代码简单地解释了这些阈值的含义。

　　全局阈值THRESH _ BINARY threshold def threshold _ by _ Otsu(input _ img _ file)的实现：image=cv2 . im read(input _ img _ file)gray=cv2 . CVT color(image，2 .cv2。COLOR_BGR2GRAY) ## #要对一幅图像进行二值化，首先要将其转换成灰度图像ret，binary=CV2.threshold (gray，0，255，2。thresh _ binary cv2。thresh _ Otsu)print( threshold value % s % ret)# print threshold，超过阈值时显示白色，低于阈值时显示黑色。cv2。imshow (threshold ，binary) #显示二进制图像cv2。等待键(0) cv2.

　　全局阈值THRESH_TRIANGLE，三角形算法def threshold _ by _ THRESH _ TRIANGLE(input _ img _ file):Image=cv2 . im read(input _ img _ file)cv2 . im show( Image ，Image) #显示二值图像gray=cv2.cvtcolor (image，cv2.color _ bgr2gray) # #要将图像二值化，必须先将图像转换成灰度图像ret，binary=cv2.threshold (gray，0，255，2。thresh _ binary cv2。thresh _ triangle)print( threshold value % s % ret)# print threshold，高于该阈值将显示为白色，低于该阈值将显示为黑色；cv2。imshow (threshold ，binary) #显示二进制图像cv2。等待键(0) cv2.

　　实现全局阈值THRESH _ BINARY _ INV threshold def threshold _ by _ THRESH _ BINARY _ INV(input _ img _ file):Image=cv2 . im read(input _ img _ file)cv2 . im show( Image ，Image) #显示二值图像gray=cv2.cvtcolor (image，cv2.color _ bgr2gray) # #要对图像进行二值化，首先要将图像转换成灰度图像ret，binary=cv2.threshold (gray，0，255，2 .thresh _ binary cv2。thresh _ binary _ inv)print( threshold value % s % ret)#打印阈值，高于该阈值以白色显示，低于该阈值以黑色显示；cv2。imshow (thresholdbinary) #显示二进制图像cv2。等待键(0)

　　同样，这里也不用说其他类型，只需要修改阈值函数的类型参数type即可。看完这三个效果，我们可以得出一个结论：

　　简历。OTSU和cv。THRESH_TRAINGLE都是自动采集阈值。

　　THRESH_OTSU:适用于双峰

　　THRESH_TRIANGLE:适用于单峰，最初用于医学细胞分割等。

　　好了，知道了系统提供的全局阈值，下面我简单介绍一下自定义全局阈值。自定义全局阈值很简单，就是自己定义阈值函数的参数。

　　自定义全局阈值

　　(1) threshold _ binary _ inv为0 ret，binary=cv。阈值(灰色，127，255，Cv。THRESH_BINARY)代码如下：def threshold _ by _ avto(input _ img _ file):Image=cv2 . im read(input _ img _ file)cv2 . im show( Image ，Image) #显示二值图像gray=cv2.cvtcolor (image，cv2.color _ bgr2gray) # #要将图像二值化，必须先将图像转换成灰度图像ret，binary=cv2.threshold (gray，127，255，2。threshold _ binary) #自定义阈值print(threshold value %s% ret) #打印阈值，高于该阈值以白色显示，低于该阈值以黑色显示CV2。IM show (threshold ，binary) #显示二进制图像CV2。Waitkey (0) CV2。破坏性地Windows()看一看。

　　(2)大于127的THRESH_TRUNC截断值全部为127，其他值不变。

　　def threshold _ by _ avto(input _ img _ file):image=cv2 . im read(input _ img _ file)cv2 . im show( image ，image) #显示二值图像gray=cv2.cvtColor(image，2 .cv2。COLOR_BGR2GRAY) ## #要将一幅图像二值化，首先要将其转换成灰度图像ret，binary=CV2.threshold (Gray，127，255，CV2.threshold _ trunc) #自定义阈值打印( threshold value %s% ret) #打印阈值，如果超过阈值，则显示为白色；如果低于阈值，则以黑色显示；cv2.im show (threshold ，binary) #显示二进制图像cv2 . wait key(0)cv2 . destructily windows()；看一下效果图：

　　(3)超过阈值的3)THRESH_TOZERO的值不变，小于阈值的值为0。

　　def threshold _ by _ avto(input _ img _ file):image=cv2 . im read(input _ img _ file)cv2 . im show( image ，image) #显示二值图像gray=cv2.cvtColor(image，2 .cv2。COLOR_BGR2GRAY) ## #要对一幅图像进行二值化，首先要将其转换成灰度图像ret，binary=CV2.threshold (Gray，127，255，2。threshold _ to zero) #自定义阈值print(threshold value %s% ret) #打印阈值，高于该阈值以白色显示，低于该阈值以黑色显示CV2。IM show (threshold ，binary) #显示二进制图像CV2。Waitkey (0) CV2。破坏性Windows()正常。

　　全局阈值和自定义全局阈值。现在我们来解释一下局部阈值。

　　局部阈值

　　局部阈值可以使画面更清晰，利用OpenCV的adaptiveThreshold函数可以实现局部阈值。功能和参数描述如下：

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

　　参数描述：

　　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参数指示自适应阈值算法，它是average (ADAPTIVE_THRESH_MEAN_C)或xfdfh(ADAPTIVE _ THRESH _ Gaussian _ C)。

　　ThresholdType:阈值类型，必须是threshold _ binary或threshold _ binary _ inv的阈值类型。

　　Block: blockSize(大于1的奇数，如3、5、7……)。

　　c:常数，代表从平均值或加权平均值中减去的数。通常，这是一个正值，但也可以是零或负值。

　　在平均算法和xfdfh算法的情况下，可以通过计算每个像素周围的块大小x块大小块的加权平均值并减去常数C来获得自适应阈值.如果用平均法，所有像素周围的权重都是一样的；如果使用xfdfh的方法，则每个像素周围的像素的权重根据其到中心点的距离通过xfdfh等式获得：

　　jubuthreshold(input _ img _ file):image=cv2 . im read(input _ img _ file)cv2 . im show( image ，image) #显示二值图像gray=cv2.cvtColor(image，2 .color _ bgr 2 gray)binary=cv2 . adaptive threshold(gray，255，cv2.adaptive _ thresh _ mean _ c，cv2.thresh _ binary，25，10) cv2.imshow (binary ，binary) cv2.waitkey。

　　当然，我们也可以自己计算门槛。自己计算阈值就是计算图像的平均值，用平均值作为阈值分割图像。代码如下：

　　custom _ threshold(input _ img _ file):image=cv2 . im read(input _ img _ file)cv2 . im show( image ，image) #显示二值图像gray=cv2.cvtColor(image，2 .CVColor _ BGR2Gray) h，w=灰色。Shape [:2] m=NP。Reshape (Gray，[1，h*w]) #将图像变成一行h*w列mean=m.sum()/(h*w) #计算图像的平均值，并使用平均值。Binary=cv2.threshold (gray，mean，255，cv2 . thresh _ binary)print( threshold value % s % ret cv2 . im show( cud Tom _ binary ，binary)cv2 . wait key(0)cv2 . destructily windows(

　　而自己计算阈值得到的阈值如下：

　　好了，到目前为止，我们基本上已经讨论了常用的阈值和定义的阈值。先说如何根据阈值对图像进行二值化。

　　第二步：根据阈值去二值化图像

　　以上都是关于如何获取阈值的问题。有许多方法可以获得阈值。具体根据实际发展情况使用。得到阈值后，二值化开启。这里很简单。其实上面已经列出来了，只是为了方便大家看效果。

　　cv2.threshold和cv2.adaptiveThreshold这两个函数已经被二进制化，并将阈值返回给我们。

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。