Пороговая обработка изображений OpenCV
В обработке изображений пороговая обработка — распространённый метод, используемый для преобразования изображения в бинарное изображение (т. е. чёрно-белое изображение). Устанавливая порог, пиксели изображения можно разделить на две категории: пиксели выше порога и пиксели ниже порога.
OpenCV предоставляет несколько методов пороговой обработки. В этой статье подробно рассматриваются три распространённых метода пороговой обработки: простая пороговая обработка, адаптивная пороговая обработка и бинаризация Оцу.
1. Простое пороговое преобразование (cv2.threshold())
Простое пороговое преобразование — самый базовый метод пороговой обработки. Оно разделяет пиксели изображения на две категории, устанавливая фиксированный порог.
OpenCV предоставляетcv2.threshold()функция для реализации этой функциональности.
Прототип функции
retval, dst = cv2.threshold(src, thresh, maxval, type)
Описание параметра
src: Входное изображение, обычно изображение в оттенках серого.thresh: Пороговое значение, которое нужно установить.maxval: Новое значение, присваиваемое, когда значение пикселя превышает порог (или меньше порога, в зависимости от типа).type: Тип пороговой обработки. Распространённые типы включают:cv2.THRESH_BINARY: Если значение пикселя больше порога, присвоитьmaxval, иначе присвоить0。cv2.THRESH_BINARY_INV: Сcv2.THRESH_BINARYнаоборот, если значение пикселя больше порога, присвоить0, иначе присвоитьmaxval。cv2.THRESH_TRUNC: Если значение пикселя больше порога, присвойте порог; в противном случае оставьте его без изменений.cv2.THRESH_TOZERO: Если значение пикселя больше порога, оставьте его без изменений; в противном случае присвойте0。cv2.THRESH_TOZERO_INV: Сcv2.THRESH_TOZEROнаоборот, если значение пикселя больше порога, присвоить0, в противном случае оставьте его без изменений.
Возвращаемое значение
retval: Фактически использованный порог (в некоторых случаях может отличаться от заданного порога).dst: Обработанное изображение.
Пример
Пример
import numpy as np
# Прочитать изображение
img = cv2.imread('image.jpg', 0)
# Простая пороговая обработка
ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
# Отобразить результат
cv2.imshow('Binary Threshold', thresh1)
cv2.waitKey(0)
cv2.destroyAllWindows()
2. Адаптивная пороговая обработка (cv2.adaptiveThreshold())
В некоторых случаях распределение яркости изображения неравномерно, и использование фиксированного порога может не дать идеальных результатов. Адаптивная пороговая обработка лучше справляется с этой ситуацией, вычисляя разные пороги для разных областей изображения.
Прототип функции
dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
Описание параметра
src: Входное изображение, обычно изображение в оттенках серого.maxValue: Новое значение, присваиваемое, когда значение пикселя превышает порог (или меньше порога, в зависимости от типа).adaptiveMethod: Метод вычисления адаптивного порога. Распространённые типы включают:cv2.ADAPTIVE_THRESH_MEAN_C: Порог — это среднее значение окрестности минус константаC。cv2.ADAPTIVE_THRESH_GAUSSIAN_C: Порог — это взвешенное среднее окрестности минус константаC, веса определяются функцией Гаусса.
thresholdType: Тип пороговой обработки, обычноcv2.THRESH_BINARYилиcv2.THRESH_BINARY_INV。blockSize: Размер окрестности, используемый при вычислении порога; он должен быть нечётным.C: Константа, вычитаемая из среднего или взвешенного среднего.
Возвращаемое значение
dst: Обработанное изображение.
Пример
Пример
import numpy as np
# Прочитать изображение
img = cv2.imread('image.jpg', 0)
# Адаптивная пороговая обработка
thresh2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
# Отобразить результат
cv2.imshow('Adaptive Threshold', thresh2)
cv2.waitKey(0)
cv2.destroyAllWindows()
3. Бинаризация Оцу (cv2.threshold() with cv2.THRESH_OTSU)
Бинаризация Оцу — это метод, который автоматически определяет порог. Он находит оптимальный глобальный порог путём максимизации межклассовой дисперсии и подходит для бимодальных изображений (т. е. изображений, гистограмма которых имеет два выраженных пика).
Прототип функции
retval, dst = cv2.threshold(src, thresh, maxval, type)
Описание параметра
src: Входное изображение, обычно изображение в оттенках серого.thresh: Поскольку метод Оцу автоматически определяет порог, этот параметр обычно устанавливается в0。maxval: Новое значение, присваиваемое, когда значение пикселя превышает порог (или меньше порога, в зависимости от типа).type: Тип пороговой обработки, обычноcv2.THRESH_BINARYилиcv2.THRESH_BINARY_INV, и добавитьcv2.THRESH_OTSU。
Возвращаемое значение
retval: Автоматически определённый порог.dst: Обработанное изображение.
Пример
Пример
import numpy as np
# Прочитать изображение
img = cv2.imread('image.jpg', 0)
# Бинаризация Оцу
ret, thresh3 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# Отобразить результат
cv2.imshow('Otsu\'s Threshold', thresh3)
cv2.waitKey(0)
cv2.destroyAllWindows()