python 图像二值化 opencv 识别 文字 opencv图像二值化函数

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• 一、cv2.threshold()阈值操作函数

• 1.1、初见
• 1.2、阈值不同时的效果

• 二、cv2.adaptiveThreshold()自适应阈值操作函数

• 2.1、初见
• 2.2、固定blocksize,改变C值大小的实验结果
• 2.3、固定C值,改变blocksize大小的实验结果

---

前言

参考视频：opencv教学 参考教材：《数字图像处理基础》
我的代码基本是跟着B站的视频里面敲了一遍，然后结合教材对指定区域做了一些加强学习

一、cv2.threshold()阈值操作函数

1.1、初见

首先学习一个英文单词：binary。它就是二值化的意思。
我们直接先来一个cv2.threshold()的例子，首先读入一张灰度图：

import cv2

X1=cv2.imread('dog.jpg',0)
thresh,img = cv2.threshold(X1, thresh=128, maxval=255, type=cv2.THRESH_BINARY)
cv2.imshow('origin', X1)
cv2.imshow('binary',img)
cv2.waitKey(0) #0为任意键位终止
cv2.destroyAllWindows()

里面起到主要作用的就是这句话：

thresh,img = cv2.threshold(X1, thresh=128, maxval=255, type=cv2.THRESH_BINARY)

稍微解释一下：

1）第一个参数 ：输入的需要 转换的图像

2）第二个参数：设定的阈值

3）第三个参数：输入图像的像素最大值（这里是灰度图，所以为255）

4）第四个参数：二值化的类型。除了我们这里用的cv2.THRESH_BINARY（大于阈值的像素点设置为255，小于阈值的点设为0），还有很多种：比如cv2.THRESH_BINARY_INV（大于阈值的像素点设置为0，小于阈值的点设为255）

5）返回两个参数：阈值和二值化图像。调用的时候，两个参数都必须写出来，不然会报错如下图所示即为第四个参数选择为cv2.THRESH_BINARY_INV（和前面那副图反着来了）

1.2、阈值不同时的效果

我们分别把阈值设置为32，64，128，196看看他们的效果

import cv2

X1=cv2.imread('dog.jpg',0)
thresh1,img1 = cv2.threshold(X1, thresh=32, maxval=255, type=cv2.THRESH_BINARY)
thresh2,img2 = cv2.threshold(X1, thresh=64, maxval=255, type=cv2.THRESH_BINARY)
thresh3,img3 = cv2.threshold(X1, thresh=128, maxval=255, type=cv2.THRESH_BINARY)
thresh4,img4 = cv2.threshold(X1, thresh=196, maxval=255, type=cv2.THRESH_BINARY)
cv2.imshow('origin', X1)
cv2.imshow('thresh=32',img1)
cv2.imshow('thresh=64',img2)
cv2.imshow('thresh=128',img3)
cv2.imshow('thresh=196',img4)
cv2.waitKey(0) #0为任意键位终止
cv2.destroyAllWindows()

二、cv2.adaptiveThreshold()自适应阈值操作函数

自适应阈值操作 说白了就是在一个图像中进行多个区域的阈值操作

2.1、初见

还是直接看一个例子

import cv2
X1=cv2.imread('dog.jpg',0)
img = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 1)
cv2.imshow('img', X1)
cv2.imshow('adaptiveThreshold', img)
cv2.waitKey(0) #0为任意键位终止
cv2.destroyAllWindows()

起作用的是这个函数：cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 1)

1）第一个参数是输入的图像：X1

2）第二个参数是设定的阈值

3）第三个参数：自适应的类型，除这个之外还有ADAPTIVE_THRESH_MEAN_C

4）第四个参数： 二值化的类型

5）第五个参数：分割区域的数量

6）第六个参数： 用以计算的常数

2.2、固定blocksize,改变C值大小的实验结果

import cv2

X1=cv2.imread('dog.jpg',0)
img1 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 1)
img2 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 10)
img3 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 100)
img4 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, -10)
img5 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, -100)
cv2.imshow('img', X1)
cv2.imshow('C=1', img1)
cv2.imshow('C=10', img2)
cv2.imshow('C=100', img3)
cv2.imshow('C=-10', img4)
cv2.imshow('C=-100', img5)
cv2.waitKey(0) #0为任意键位终止
# cv2.waitKey(1000) #等待1秒
cv2.destroyAllWindows()

2.3、固定C值,改变blocksize大小的实验结果

import cv2

X1=cv2.imread('dog.jpg',0)
img1 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 5, 1)
img2 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 7, 1)
img3 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 9, 1)
img4 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 1)
img5 = cv2.adaptiveThreshold(X1, 127, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 13, 1)
cv2.imshow('img', X1)
cv2.imshow('blocksize=5', img1)
cv2.imshow('blocksize=7', img2)
cv2.imshow('blocksize=9', img3)
cv2.imshow('blocksize=11', img4)
cv2.imshow('blocksize=13', img5)
cv2.waitKey(0) #0为任意键位终止
# cv2.waitKey(1000) #等待1秒
cv2.destroyAllWindows()