OpenCV第四章——阈值

1. 阈值处理函数

threshold()方法用于对对象进行阈值处理，该方法的语法如下：

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

参数说明：

src: 被处理的图像

thresh: 阈值， 在范围（125-150）效果最好

maxval: 阈值处理采用的最大值

type: 阈值处理类型

返回值说明：

retval: 处理时采用的阈值

dst: 阈值处理后的图像

                                                   阈值处理类型及其含义

1. cv2.THRESH_BINARY：将像素值大于阈值的部分设为最大值（通常是255），其余部分设为0。这种方法常用于图像二值化。

2. cv2.THRESH_BINARY_INV：将像素值小于阈值的部分设为最大值（通常是255），其余部分设为0。这是THRESH_BINARY的反向操作。

3. cv2.THRESH_TRUNC：将像素值大于阈值的部分设为阈值，其余部分保持不变。用于将像素值限制在阈值以下。

4. cv2.THRESH_TOZERO：将像素值小于阈值的部分设为0，其余部分保持不变。这有助于去除低于阈值的噪声。

5. cv2.THRESH_TOZERO_INV：将像素值大于阈值的部分设为0，其余部分保持不变。这是THRESH_TOZERO的反向操作。

6. cv2.THRESH_OTSU：使用大津法自动确定最佳阈值，用于图像二值化。通常与THRESH_BINARY或THRESH_BINARY_INV一起使用。

7. cv2.THRESH_TRIANGLE：使用三角形法自动确定最佳阈值，这是一种自动阈值计算方法，适用于图像直方图具有明显双峰的情况。

2. 二值化处理

       二值化处理（二值化阈值处理）让图像仅保留两种像素值，处理时， 每一个像素值都会与阈值进行比较，将大于阈值的像素值变为最大值， 将小于阈值的像素值变为0，计算公式如下：

if  像素值 <=  阈值：像素值 = 0

if  像素值 > 阈值 : 像素值 = 最大值

        通常使用像素值255(纯白色)为最大值， 0（纯黑色）为最小值

                                       

2.1 处理黑白渐变图

下面的示例代码：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg", 0) # 读成灰度图像
t1, dst1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # 二值化阈值处理
cv2.imshow("img", img)
cv2.imshow("dst1", dst1)
cv2.waitKey()
cv2.destrotAllWindows()

处理后的结果：

可以看到处理过后呈现出了非黑即白的效果。

2.2  不同阈值的处理效果

示例代码如下：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg", 0) # 读成灰度图像
t1, dst1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # 二值化阈值处理
t2, dst2 = cv2.threshold(img, 180, 255, cv2.THRESH_BINARY) # 二值化阈值处理
cv2.imshow("img", img)
cv2.imshow("dst1", dst1)
cv2.imshow("dst2", dst2)
cv2.waitKey()
cv2.destrotAllWindows()

 原图中像素值大于127的较多，大于180的较少，因而阈值设为127时，纯白色像素较多，阈值设为180时纯黑色像素较多。

2.3 不同最大值的处理效果

示例代码如下：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg", 0) # 读成灰度图像
t1, dst1 = cv2.threshold(img, 120, 255, cv2.THRESH_BINARY) # 二值化阈值处理
t2, dst2 = cv2.threshold(img, 120, 150, cv2.THRESH_BINARY) # 二值化阈值处理
cv2.imshow("img", img)
cv2.imshow("dst1", dst1)
cv2.imshow("dst2", dst2)
cv2.waitKey()
cv2.destrotAllWindows()

最大阈值设为150时， 大于i120的像素值都被改为150， 呈现灰色。 

对于彩色图像也可以进行二值化阈值处理：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg", 1) # 读成彩色图像
t1, dst1 = cv2.threshold(img, 120, 255, cv2.THRESH_BINARY) # 二值化阈值处理
t2, dst2 = cv2.threshold(img, 120, 150, cv2.THRESH_BINARY) # 二值化阈值处理
cv2.imshow("img", img)
cv2.imshow("dst1", dst1)
cv2.imshow("dst2", dst2)
cv2.waitKey()
cv2.destrotAllWindows()

2.4 反二值化处理

反二值化阈值处理，处理结果与二值化处理结果相反， 将大于阈值的像素值变为0， 将小于或等于阈值的像素值变为最大值，原图中黑白部分交换，公式如下 ：

if 像素值 <= 阈值：像素值 = 最大值

if 像素值 > 阈值：像素值 = 0

 示例代码如下：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg", 0) # 读成灰度图像
t1, dst1 = cv2.threshold(img, 120, 255, cv2.THRESH_BINARY) # 二值化阈值处理
t2, dst2 = cv2.threshold(img, 120, 150, cv2.THRESH_BINARY_INV) # 反二值化阈值处理
cv2.imshow("img", img)
cv2.imshow("dst1", dst1)
cv2.imshow("dst2", dst2)
cv2.waitKey()
cv2.destrotAllWindows()

3. 零处理 

将某个范围内的像素值变为0， 而范围之外的像素保留原值，包括低于阈值零处理和超出阈值零处理

3.1 低于阈值零处理

if 像素值 <= 阈值：像素值 = 0

if 像素值 <= 阈值：像素值 = 原值

 示例代码如下：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg", 0) # 读成灰度图像
t, dst = cv2.threshold(img, 120, 255, cv2.THRESH_TOZERO) # 低于阈值零处理

cv2.imshow("img", img)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destrotAllWindows()

 

3.2 超出阈值零处理

if 像素值 <= 阈值：像素值 = 原值

if 像素值 > 阈值： 像素值 = 0

示例代码如下：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg", 0) # 读成灰度图像
t, dst = cv2.threshold(img, 120, 255, cv2.THRESH_TOZERO_INV) # 超出阈值零处理

cv2.imshow("img", img)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destrotAllWindows()

浅色区域彻底变黑，深色区域不受影响。 

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg", 0) # 读成灰度图像
t, dst = cv2.threshold(img, 120, 255, cv2.THRESH_TRUNC) # 截断处理

cv2.imshow("img", img)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destrotAllWindows()

4. 截断处理

截断阈值处理， 将图像中大于阈值的像素值变为和阈值一样的值，小于或等于阈值的像素保持原值。公式如下：

if 像素 <= 阈值：像素值 = 原值

if 像素 > 阈值：像素 = 阈值

整体颜色变暗， 浅色区域变得更浅 

5 .自适应处理

OpenCV提供了adaptivateThreshold(src, macvalue, adaptivateMethod, thresholdType, blockSize, C)

参数说明：

src: 被处理的灰度图像

maxvalue: 阈值处理采用的最大值

adaptivateMethod: 自适应阈值的计算方法

thresholdType: 阈值处理类型（cv2.THRESH_BINARY或者cv2.THRESH_BINARY_INV）

blocksize: 一个正方形区域的大小

C：常量

返回值说明：

dst: 阈值处理后的图像

                                        自适应阈值的计算方法及其解释

cv2.ADAPTIVE_THRESH_MEAN_C ：

• 对于每个像素，计算其邻域区域（通常是一个窗口）的平均值，并用这个平均值作为该像素的阈值。

 cv2.ADAPTIVE_THRESH_GAUSSIAN_C:

• 对于每个像素，计算其邻域区域的加权平均值（权重根据高斯分布来决定），并用这个加权平均值作为该像素的阈值。

5.1 无法得到清晰有效的结果

示例代码如下：

import cv2

image = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg") # 读取图像
image_Gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转换为灰度图像
t1, dst1 = cv2.threshold(image_Gray, 127, 255, cv2.THRESH_BINARY) # 二值化阈值处理
t2, dst2 = cv2.threshold(image_Gray, 127, 255, cv2.THRESH_BINARY_INV) # 反二值化阈值处理
t3, dst3 = cv2.threshold(image_Gray, 127, 255, cv2.THRESH_TOZERO) # 低于阈值零处理
t4, dst4 = cv2.threshold(image_Gray, 127, 255, cv2.THRESH_TOZERO_INV) # 超出阈值零处理
t5, dst5 = cv2.threshold(image_Gray, 127, 255, cv2.THRESH_TRUNC) # 截断处理

cv2.imshow("BINARY", dst1)
cv2.imshow("BINARY_INV", dst2)
cv2.imshow("TOZERO", dst3)
cv2.imshow("TOZERO_INV", dst4)
cv2.imshow("TRUNC", dst5)
cv2.waitKey() 
cv2.destroyAllWindows() 

5.2 显示自适应阈值处理的效果

示例代码如下：

import cv2

image = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg") # 读取图像
image_Gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转换为灰度图像
# cv2.ADAPTIVE_THRESH_MEAN_C方法
athdMEAM = cv2.adaptiveThreshold\
    (image_Gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 5, 3)
# cv2.ADAPTIVE_THRESH_GAUSSIAN_C方法
athdGAUS = cv2.adaptiveThreshold\
    (image_Gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY, 5, 3)

cv2.imshow("MEAN_C", athdMEAM)
cv2.imshow("GAUSSIAN_C", athdGAUS)
cv2.waitKey() 
cv2.destroyAllWindows() 

6. Otsu方法

Ostu方法语法结构如下：

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

参数说明：

src: 被处理的灰度图像

thresh：阈值（需要设为0）

maxval: 阈值处理采用的最大值

type: 阈值处理类型，例如：cv2.THRESH_BINARY+cv2.THRESH_OTSU

返回值说明：

retval: you Ostu方法计算得到并使用的最合适阈值

dst:处理后的图像

 示例代码如下：

import cv2

image = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(3).jpg") # 读取图像
image_Gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转换为灰度图像
t1, dst1 = cv2.threshold(image_Gray, 127, 255, cv2.THRESH_BINARY) # 二值化阈值处理
# 实现Otsu方法的阈值处理
t2, dst2 = cv2.threshold(image_Gray, 0, 255, cv2.THRESH_BINARY  + cv2.THRESH_OTSU)
cv2.putText(dst2, "best threshold: " + str(t2), (0, 30),
         cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 0), 2) # 在图像上绘制最合适的阈值
cv2.imshow("BINARY", dst1) 
cv2.imshow("OTSU", dst2) 
cv2.waitKey() 
cv2.destroyAllWindows() 

7. 阈值处理实例

示例代码如下：

import cv2
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(4).jpg")  # 原始图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转为灰度图像
t1, dst1 = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  # 二值化阈值处理
t2, dst2 = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)  # 反二值化阈值处理
cv2.imshow("img", img)  
cv2.imshow("gray", gray)
cv2.imshow("dst1", dst1)
cv2.imshow("dst2", dst2)
cv2.waitKey()  
cv2.destroyAllWindows()  

二值化处理后， 汽车边缘变得更加鲜明， 更容易被识别。