python将灰度图像二值化,如何对图像进行二值化处理

　　在用大蟒进行图像处理时，二值化是非常重要的一步，现总结了自己遇到过的6种图像二值化的方法（当然这个绝对不是全部的二值化方法，若发现新的方法会继续新增)。

　　相关学习推荐：python视频教程

　　1.中文版简单阈值cv2。阈值

　　2.中文版自适应阈值cv2.adaptiveThreshold(自适应阈值中计算阈值的方法有两种：平均值c和高斯_c，可以尝试用下哪种效果好)

　　3.大津的二值化

　　例子：

　　导入cv2

　　将数组作为铭牌导入

　　从绘制精美的图表导入pyplot作为血小板计数

　　img=cv2.imread(scratch.png ，0)

　　#全局阈值

　　ret1，th1=cv2.threshold(img，127，255，cv2 .THRESH_BINARY)

　　# Otsu阈值

　　th2=cv2.adaptiveThreshold(img，255，cv2 .自适应_阈值_均值_C，cv2 .THRESH_BINARY，11，2)

　　# Otsu阈值

　　# 阈值一定要设为0 !

　　ret3，th3=cv2.threshold(img，0，255，cv2 .THRESH_BINARY cv2 .OTSU)

　　#绘制所有图像及其直方图

　　images=[img，0，th1，img，0，th2，img，0，th3]

　　头衔=[

　　原始噪声图像,直方图,全局阈值(v=127)，

　　原始噪声图像,直方图,自适应阈值，

　　原始噪声图像,直方图，‘大津阈值化

　　]

　　# 这里使用了pyplot中画直方图的方法，plt.hist，要注意的是它的参数是一维数组

　　# 所以这里使用了(numpy)拉威尔方法，将多维数组转换成一维，也可以使用变平方法

　　# ndarray.flat数组上的一维迭代器。

　　# ndarray.flatten按行优先顺序排列数组元素的一维数组副本。

　　对于范围(3):中的我

　　plt.subplot(3，3，i * 3 1)，plt.imshow(images[i * 3]， gray )

　　plt.title(titles[i * 3])，plt.xticks([])，plt.yticks([])

　　plt.subplot(3，3，I * 3 ^ 2)，plt.hist(images[i * 3]).拉威尔(256)

　　PLT。title(titles[I * 3 ^ 1])，plt.xticks([])，plt.yticks([])

　　plt.subplot(3，3，i * 3 3)，plt.imshow(images[i * 3 2]， gray )

　　PLT。title(titles[I * 3 ^ 2])，plt.xticks([])，plt.yticks([])

　　plt.show()结果图：

　　4.克扣尼布莱克阈值

　　5.斯金奇索沃拉阈值（主要用于文本检测)

　　例子：

　　https://sci工具包-图片。org/docs/dev/auto _ examples/segmentation/plot _ ni black _ sauvola。超文本标记语言

　　导入绘制精美的图表

　　将matplotlib.pyplot作为血小板计数导入

　　从skimage.data导入页面

　　从撇除.过滤器导入(threshold_otsu，threshold_niblack，

　　threshold_sauvola)

　　matplotlib。RC params[ font。尺寸]=9

　　image=page()

　　二进制_全局=图像阈值_otsu(图像)

　　window_size=25

　　thresh _ ni black=threshold _ ni black(image，window_size=window_size，k=0.8)

　　thresh _ sauvola=threshold _ sauvola(image，window_size=window_size)

　　binary _ ni black=图像阈值_ ni黑色

　　binary _ sauvola=image thresh _ sauvola

　　plt.figure(figsize=(8，7))

　　plt.subplot(2，2，1)

　　plt.imshow(image，cmap=plt.cm.gray)

　　plt.title("原件")

　　plt.axis("关")

　　情节子情节(2,2,2)

　　plt.title(全局阈值)

　　plt.imshow(binary_global，cmap=plt.cm.gray)

　　plt.axis("关")

　　情节子情节(2,2,3)

　　plt.imshow(binary_niblack，cmap=plt.cm.gray)

　　plt.title(Niblack阈值)

　　plt.axis("关")

　　情节子情节(2,2,4)

　　plt.imshow(binary_sauvola，cmap=plt.cm.gray)

　　plt.title(索沃拉阈值)

　　plt.axis("关")

　　plt.show()结果图：

　　6.积分阈值（主要用于文本检测)

　　使用方法：运行下面网址的util.py文件

　　https://github.com/Liang-yc/IntegralThreshold

　　结果图：

　　以上就是计算机编程语言图像处理二值化方法实例云集的详细内容，更多请关注盛行信息技术软件开发工作室其它相关文章！

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。

相关文章阅读