OpenCV Python教程:图像阈值

欢迎来到另一个OpenCV教程。在本教程中,我们将介绍图像和视频分析的阈值。阈值的想法是进一步简化可视数据以进行分析。首先,您可以转换为灰度,但随后必须考虑到灰度仍然至少具有255个值。最基本的阈值功能是根据阈值将所有内容转换为白色或黑色。假设我们希望阈值为125(总共255),然后将125以下的所有内容转换为0或黑色,将125以上的所有内容转换为255或白色。如果像平常一样转换为灰度,则将得到白色和黑色。如果不转换为灰度,则将获得带阈值的图片,但会有颜色。

尽管这听起来足够好,但事实并非如此。我们将在此处介绍多个示例和不同类型的阈值说明。我们将使用以下图像作为示例图像,但是可以使用自己的图像:

本书中的简短内容是一个很好的例子,说明了为什么有人会阈值。首先,背景实际上根本没有白色,一切都是暗淡的,但是一切都是变化的。有些部分很轻,很容易阅读,而另一些则很暗,需要聚焦很多。首先,让我们尝试一个简单的阈值:

retval, threshold = cv2.threshold(img, 10, 255, cv2.THRESH_BINARY)

二进制阈值是一个简单的“或”阈值,其中像素为255或0。在许多情况下,该阈值为白色或黑色,但是我们现在将图像保留为彩色,因此可能仍为彩色。这里的第一个参数是图像。下一个参数是阈值,我们选择10。下一个是最大值,我们将其选择为255。接下来,最后是阈值类型,我们将其选择为THRESH_BINARY。通常,选择阈值10会有些困难。我们选择10,因为这是低光图片,所以我们选择低数字。通常,大约125-150的效果最好。

结果:

现在,图像的读取效果稍好一些,但仍然有些混乱。 从视觉上看,它是更好的方法,但是使用程序来分析它仍然很困难。 让我们看看是否可以进一步简化它。

首先,让我们对图像进行灰度处理,然后设置阈值:

结果如下:

是的,更简单,但是我们在这里仍然缺少很多上下文。 接下来,我们可以尝试自适应阈值,它将尝试改变阈值,并希望解决弯曲的页面。

结果如下:

还有一个可以执行的阈值版本,称为Otsu阈值(大津阈值)。 它在这里不能很好地发挥左右,但是:

结果如下:

我来评几句
登录后评论

已发表评论数()

相关站点

+订阅
热门文章