学习目的：

1、二值图像 2、图像二值化方法3、opencv相关API使用
三角二值化是基于直方图进行的二值化，找图像最高的波峰，与波谷连一条线……得到阈值

代码层面知识点

1、opencv中图像二值化方法 OTSU、Triangle、自动与手动
2、自适应阈值
代码：
全局阈值：
全局阈值函数cv2.threshold(src,thresh, maxval, type[, dst])-> retval, dst
参数:
src-输入数组/图像（多通道，8位或32位浮点)
thresh-阈值
maxval-最大值，与#THRESH_BINARY和#THRESH_BINARY_INV阈值类型一起使用的最大值
(maximum value)
type-阈值类型
dst-输出数组/图像(与src相同大小和类型以及相同通道数的数组/图像
返回值:
retval-阈值thresh
dst-经函数处理后的图像image

def threshold_demo(image):
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray,127,255,cv.THRESH_BINARY)# |cv.THRESH_TRIANGLE)# 最后一个是把图像进行二值化，自动寻找的阈值OTSU/TRIANGLE根据阈值二值化 将0改为127就不能有自动阈值
    print("threshold value: %s"%ret)
    cv.imshow("binary",binary)  #衡量是否好就看信息有无丢失

首先看 ret, binary = cv.threshold(gray,0,255,cv.THRESH_BINARY)是按着0/127来寻找的阈值

image.png

cv.threshold(gray,127,255,cv.THRESH_BINARY |cv.THRESH_TRIANGLE）三角阈值

image.png

image.png

单个波峰（医学影像，细胞图像)用cv.THRESH_TRIANGLE,多个波峰用cv.THRESH_OTSU

ret, binary = cv.threshold(gray,127,255,cv.THRESH_BINARY_INV)反变化，大于127的黑色小于127的白色
THRESH_TRUNC截断直接等于127

局部阈值

局部阈值函数

局部阈值函数cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize,C, dst)->dst

# 局部阈值
def local_threshold(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    binary=cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C/cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)#自适应阈值  高斯均值带权重，可能更适合我们做二值化  BLOCKSIZE必须是奇数,最后一个数大于10才设为白色 其他都为黑色
    cv.imshow("binary", binary)

局部阈值cmeans

局部阈值高斯means

自己定义的均值分割

#自己定义均值分割
def custom_threshold(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    h,w = gray.shape[:2]
    m = np.reshape(gray,[1,w*h])  #reshape调整为一行多列的数组
    mean =m.sum()/(w*h)
    print("mean: %s",mean)
    ret, binary = cv.threshold(gray,mean,255,cv.THRESH_BINARY)
    cv.imshow("binary", binary)

最后附个整的代码！

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt


# 全局阈值
def threshold_demo(image):
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray,127,255,cv.THRESH_TOZERO)# 最后一个是把图像进行二值化，自动寻找的阈值OTSU/TRIANGLE根据阈值二值化 将0改为127就不能有自动阈值
    print("threshold value: %s"%ret)                             # THRESH_BINARY_INV反变化，大于127的黑色小于127的白色  THRESH_TRUNC截断直接等于127  THRESH_TOZERO小于127的全部为0
    cv.imshow("binary",binary)  #衡量是否好就看信息有无丢失


# 局部阈值
def local_threshold(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    binary=cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)#自适应阈值  高斯均值带权重，可能更适合我们做二值化  BLOCKSIZE必须是奇数,最后一个数大于10才设为白色 其他都为黑色
    cv.imshow("binary", binary)


#自己定义均值分割
def custom_threshold(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    h,w = gray.shape[:2]
    m = np.reshape(gray,[1,w*h])  #reshape调整为一行多列的数组
    mean =m.sum()/(w*h)
    print("mean: %s",mean)
    ret, binary = cv.threshold(gray,mean,255,cv.THRESH_BINARY)
    cv.imshow("binary", binary)


print("--------- hello python ---------")
src = cv.imread("C:/Users/tzt/Desktop/opencv-python/text1.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

custom_threshold(src)