Python中图像阈值化算法实例及比对解析有哪些案例？

本文共计1162个文字，预计阅读时间需要5分钟。

图像的二值化（Binarization）是一种将图像中的像素值转换为两种状态的方法，通常用于提取图像中的目标物体。这种方法将背景和前景区分开来。通常，会设定一个阈值T，通过这个阈值将图像的像素划分为两类：大于T的像素属于前景，小于或等于T的像素属于背景。这样，图像中的目标物体就被分离出来了。

图像的二值化或阈值化（Binarization）旨在提取图像中的目标物体，将背景以及噪声区分开来。通常会设定一个阈值T，通过T将图像的像素划分为两类：大于T的像素群和小于T的像素群。

灰度转换处理后的图像中，每个像素都只有一个灰度值，其大小表示明暗程度。二值化处理可以将图像中的像素划分为两类颜色，常用的二值化算法如公式1所示：

{Y=0，gray<TY=255，gray>=T
{Y=0，gray<TY=255，gray>=T​

当灰度Gray小于阈值T时，其像素设置为0，表示黑色；当灰度Gray大于或等于阈值T时，其Y值为255，表示白色。

Python OpenCV中提供了阈值函数threshold()实现二值化处理，其公式及参数如下图所示：

retval, dst = cv2.threshold(src, thresh, maxval, type)

二进制阈值化

该方法先要选定一个特定的阈值量，比如127

1) 大于等于127的像素点的灰度值设定为最大值

2) 灰度值小于127的像素点的灰度值设置为0

例如: 156->255 89->0

关键字为cv2.THRESH_BINARY,完整代码如下

import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()

效果如下:

反二进制阈值化

该方法与二进制阈值化方法相似，先要选定一个特定的灰度值作为阈值，比如127

1) 大于127的像素点的灰度值设定为0

2) 小于该阈值的灰度值设定为255

例如：156->0 89->255

关键字为cv2.THRESH_BINARY_INV

代码如下:

import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY_INV) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()

效果如下:

截断阈值化

该方法需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。

1) 大于等于127像素点的灰度值设定为该阈值127

2) 小于该阈值的灰度值不变

例如: 163-> 127 89->89

关键字cv2.THRESH_TRUNC,完整代码如下

import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TRUNC) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()

效果如下:

反阈值化为0

该方法先选定一个阈值，比如127

(1) 大于等于阈值127的像素点变为0
(2) 小于该阈值的像素点值保持不变

例如: 128->0 89->89

关键字为cv2.THRESH_TOZERO_INV,完整代码如下：

import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO_INV) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()

效果如下:

阈值为0

该方法先选定一个阈值，比如127

(1) 大于等于阈值127的像素点，值保持不变

(2) 小于该阈值的像素点值设置为0

例如: 163->163 102->0

关键字为cv2.THRESH_TOZERO,完整代码如下：

import cv2 def test22(): src = cv2.imread("rose.jpg") # 灰度图片转换 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二进制阈值化处理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO) # 显示图像 cv2.imshow("src", src) cv2.imshow("result", b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()

效果如下:

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持易盾网络。