二值化閾值調(diào)整：調(diào)整是指在進(jìn)行圖像二值化處理時，調(diào)整閾值的過程。閾值決定了將圖像中的像素分為黑色和白色的界限，大于閾值的像素被設(shè)置為白色，小于等于閾值的像素被設(shè)置為黑色。

首先畫出灰度直方圖：橫坐標(biāo)是灰度值0—255，縱坐標(biāo)是該灰度值的像素個數(shù)。

import cv2
from matplotlib import pyplot as plt

img = cv2.imread ('6.jpg', 0)  # 讀取圖像并轉(zhuǎn)換為灰度圖像
hist = cv2.calcHist([img],[0],None,[256],[0,256])  # 計算灰度直方圖
plt.hist(img.ravel( ),256,[0,256])  # 繪制直方圖
plt.show()

方法一：

取閾值為 127，相當(dāng)于 0~255 的中位數(shù)（0+255）/2 = 127，灰度值大于等于 127 的設(shè)置為 0，灰度值大于 127 的設(shè)置為 255，這種方法簡單便捷，缺點就是閾值設(shè)置的太死板了，對于不同的照片，效果肯定不同。檢索資料的時候發(fā)現(xiàn)，還有人把這種方法稱為 史上最弱智的二值處理方法，沒辦法，弱智方法也得學(xué)啊。

該方法會使用到一個 threshold 方法，threshold 方法的語法格式如下：

cv2.threshold(src, thresh, maxval, type[, dst]) -> retval, dst

參數(shù)說明如下：

• src 輸入圖，中只能輸入單通道圖，一般就是灰度圖；
• thresh 閾值；
• maxval 最大值，當(dāng)像素超過了閾值（或者小于閾值）時所賦予的值；
• type - 二值化操作的類型，有 5 種，在下文描述；
• dst 輸出數(shù)組/圖像（與 src 相同大小和類型以及相同通道數(shù)的數(shù)組/圖像）。

返回值 retval 閾值 thresh, dst 經(jīng)過處理的圖像。

二值化操作類型type參數(shù)（閾值類型）：

• 二進(jìn)制閾值化? ?THRESH_BINARY，過門限的值為最大值，其他值為 0；
• 反二進(jìn)制閾值化? ?THRESH_BINARY_INV，過門限的值為 0，其他值為最大值；
• 截斷閾值化? ?THRESH_TRUNC，過門限的值為門限值，其他值不變；
• 閾值化為 0? ?THRESH_TOZERO，過門限的值不變，其他設(shè)置為 0；
• 反閾值化為 0? ?THRESH_TOZERO_INV，過門限的值為 0，其他不變。

以上內(nèi)容也叫做全局閾值。參考代碼：

import cv2
import matplotlib.pylab as plt

def main2():
    img = cv2.imread('6.jpg', 0)
    ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
    ret, thresh2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
    ret, thresh3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
    ret, thresh4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
    ret, thresh5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)

    titles = ['Original Image', 'BINARY',
              'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
    images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

    for i in range(6):
        plt.subplot(2, 3, i+1)
        plt.imshow(images[i], 'gray')
        plt.title(titles[i])
        plt.xticks([])
        plt.yticks([])

    plt.show()

main2()

當(dāng)然，也可以把代碼里面的127改成別的，這就叫手動選擇閾值。

方法二：

計算像素點矩陣中的所有像素點的灰度值的平均值 avg，讓每一個像素點與 avg 比較，小于等于 avg 的像素點就為 0（黑色），大于 avg 的像素點為 255（白色），這種方法看起來靠譜了一些。

使用該方法之前需要先遍歷圖像的所有灰度值，才能計算出平均值。下圖所示的閾值計算結(jié)果是151.參考代碼如下：

import cv2

def main():
    img = cv2.imread("1.TIF", 0)
    
    height, width = img.shape
    # 灰度值總和
    px_t = 0
    for i in range(height):
        for j in range(width):
            px_t += img[i][j]
    print(px_t)
    # 求像素平均值
    avg_thresh = int(px_t / (height * width))
    print(avg_thresh)
   
    thresh, dst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
    cv2.imshow("dst", dst)
    cv2.waitKey()
    cv2.imwrite("2.jpg",dst)

if __name__ == "__main__":
    main()

文章來源地址http://www.zghlxwxcb.cn/news/detail-739300.html

到了這里，關(guān)于圖像二值化閾值調(diào)整——cv2.threshold方法的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！