Python OpenCV閾值處理詳解

2022-02-08 13:01:18

前言

影象分割是許多計算機視覺應用中的關鍵處理步驟，通常用於將影象劃分為不同的區域，這些區域常常對應於真實世界的物件。因此，影象分割是影象識別和內容分析的重要步驟。影象閾值是一種簡單、有效的影象分割方法，其中畫素根據其強度值進行分割區。在本文中，將介紹 OpenCV 所提供的主要閾值技術，可以將這些技術用作計算機視覺應用程式中影象分割的關鍵部分。

閾值技術簡介

閾值處理是一種簡單、有效的將影象劃分為前景和背景的方法。影象分割通常用於根據物件的某些屬性(例如，顏色、邊緣或直方圖)從背景中提取物件。最簡單的閾值方法會利用預定義常數(閾值)，如果畫素強度小於閾值，則用黑色畫素替換，如果畫素強度大於閾值，則用白色畫素替換。OpenCV 提供了 cv2.threshold() 函數來對影象進行閾值處理。

為了測試 cv2.threshold() 函數，首次建立測試影象，其包含一些填充了不同的灰色調的大小相同的區域，利用 build_sample_image() 函數構建此測試影象：

def build_sample_image():
    """建立填充了不同的灰色調的大小相同的區域，作為測試影象"""
    # 定義不同區域
    tones = np.arange(start=50, stop=300, step=50)
    # 初始化
    result = np.zeros((50, 50, 3), dtype="uint8")

    for tone in tones:
        img = np.ones((50, 50, 3), dtype="uint8") * tone
        # 沿軸連線陣列
        result = np.concatenate((result, img), axis=1)
    return result

接下來將使用不同的預定義閾值： 0 、 50 、 100 、 150 、 200 和 250 呼叫 cv2.threshold() 函數，以檢視不同預定義閾值對閾值影象影響。例如，使用閾值 thresh = 50 對影象進行閾值處理：

ret1, thresh1 = cv2.threshold(gray_image, 50, 255, cv2.THRESH_BINARY)

其中，thresh1 是僅包含黑白色的閾值影象。源影象 gray_image 中灰色強度小於 50 的畫素為黑色，強度大於 50 的畫素為白色。

使用多個不同閾值對影象進行閾值處理：

# 視覺化函數
def show_img_with_matplotlib(color_img, title, pos):
    img_RGB = color_img[:, :, ::-1]

    ax = plt.subplot(7, 1, pos)
    plt.imshow(img_RGB)
    plt.title(title, fontsize=8)
    plt.axis('off')
# 使用 build_sample_image() 函數構建測試影象
image = build_sample_image()
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
for i in range(6):
    # 使用多個不同閾值對影象進行閾值處理
    ret, thresh = cv2.threshold(gray_image, 50 * i, 255, cv2.THRESH_BINARY)
    # 視覺化
    show_img_with_matplotlib(cv2.cvtColor(thresh, cv2.COLOR_GRAY2BGR), "threshold = {}".format(i * 50), i + 2)
# 視覺化測試影象
show_img_with_matplotlib(cv2.cvtColor(gray_image, cv2.COLOR_GRAY2BGR), "img with tones of gray - left to right: (0,50,100,150,200,250)", 1)
# 影象進行閾值處理後，常見的輸出是黑白影象
# 因此，為了更好的視覺化效果，修改背景顏色
fig.patch.set_facecolor('silver')

plt.show()

從上圖可以看出，根據閾值和樣本影象灰度值的不同，閾值處理後生成的黑白影象的變化情況。

簡單的閾值技術

上一節中，我們已經簡單介紹過了 OpenCV 中提供的簡單閾值處理常式——cv2.threshold()，該函數用法如下：

cv2.threshold(src, thresh, maxval, type, dst=None) -> retval, dst

cv2.threshold() 函數對 src 輸入陣列(可以為單通道或多通道影象)應用預定義常數 thresh 設定的閾值；type 引數用於設定閾值型別，閾值型別的可選值如下：cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO、cv2.THRESH_TOZERO_INV、cv2.THRESH_OTSU 和 cv2.THRESH_TRIANGLE。

maxval 引數用於設定最大值，其僅在閾值型別為 cv2.THRESH_BINARY 和 cv2.THRESH_BINARY_INV 時有效；需要注意的是，在閾值型別為 cv2.THRESH_OTSU 和 cv2.THRESH_TRIANGLE 時，輸入影象 src 應為為單通道。

閾值型別

為了更好的瞭解閾值操作的不同型別，接下來給出每種閾值型別的具體公式。符號說明：src 是源(原始)影象，dst 對應於閾值化後的目標(結果)影象，因此，src(x, y) 對應於源影象畫素 (x, y) 處的強度，而 dst(x, y) 對應於目標影象畫素 (x, y) 處的強度。

閾值型別 cv2.THRESH_BINARY 公式如下：

其表示，如果畫素 src(x, y) 的強度高於 thresh，則目標影象畫素強度 dst(x,y) 將被設為 maxval；否則，設為 0。

閾值型別 cv2.THRESH_BINARY_INV 公式如下：

其表示，如果畫素 src(x, y) 的強度高於 thresh，則目標影象畫素強度 dst(x,y) 將被設為 0；否則，設為 maxval。

閾值型別 cv2.THRESH_TRUNC 公式如下：

其表示，如果畫素 src(x, y) 的強度高於 thresh，則目標影象畫素強度設定為 threshold；否則，設為 src(x, y)。

閾值型別 cv2.THRESH_TOZERO 公式如下：

其表示，如果畫素 src(x, y) 的強度高於 thresh，則目標影象畫素值將設定為 src(x, y)；否則，設定為 0 。

閾值型別 cv2.THRESH_TOZERO_INV 公式如下：

其表示，如果畫素 src(x, y) 的強度大於 thresh，則目標影象畫素值將設定為 0；否則，設定為 src(x, y)。

而 cv2.THRESH_OTSU 和 cv2.THRESH_TRIANGLE 屬於特殊的閾值型別，它們可以與上述閾值型別( cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO 和 cv2.THRESH_TOZERO_INV)進行組合。組合後，閾值處理常式 cv2.threshold() 將只能處理單通道影象，且計算並返回最佳閾值，而非指定閾值。

接下來使用不同閾值型別對同樣的測試影象進行閾值處理，觀察不同閾值處理效果：

ret1, thresh1 = cv2.threshold(gray_image, 100, 255, cv2.THRESH_BINARY)
ret2, thresh2 = cv2.threshold(gray_image, 100, 220, cv2.THRESH_BINARY)
ret3, thresh3 = cv2.threshold(gray_image, 100, 255, cv2.THRESH_BINARY_INV)
ret4, thresh4 = cv2.threshold(gray_image, 100, 220, cv2.THRESH_BINARY_INV)
ret5, thresh5 = cv2.threshold(gray_image, 100, 255, cv2.THRESH_TRUNC)
ret6, thresh6 = cv2.threshold(gray_image, 100, 255, cv2.THRESH_TOZERO)
ret7, thresh7 = cv2.threshold(gray_image,100,255, cv2.THRESH_TOZERO_INV)
# 視覺化
show_img_with_matplotlib(cv2.cvtColor(thresh1, cv2.COLOR_GRAY2BGR), "THRESH_BINARY - thresh = 100 & maxValue = 255", 2)
show_img_with_matplotlib(cv2.cvtColor(thresh2, cv2.COLOR_GRAY2BGR), "THRESH_BINARY - thresh = 100 & maxValue = 220", 3)
show_img_with_matplotlib(cv2.cvtColor(thresh3, cv2.COLOR_GRAY2BGR), "THRESH_BINARY_INV - thresh = 100", 4)
# 其他影象視覺化方法類似，不再贅述
# ...

如上圖所示，maxval 引數僅在使用 cv2.THRESH_BINARY 和 cv2.THRESH_BINARY_INV 閾值型別時有效，上例中將 cv2.THRESH_BINARY 和 cv2.THRESH_BINARY_INV 型別的 maxval 值設定為 255 及 220，以便檢視閾值影象在這兩種情況下的變化情況。

簡單閾值技術的實際應用

瞭解 cv2.threshold() 不同引數的工作原理後，我們將 cv2.threshold() 應用於真實影象，並使用不同的閾值：

# 載入影象
image = cv2.imread('example.png')
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 繪製灰度影象
show_img_with_matplotlib(cv2.cvtColor(gray_image, cv2.COLOR_GRAY2BGR), "img", 1)

# 使用不同的閾值呼叫 cv2.threshold() 並進行視覺化
for i in range(8):
    ret, thresh = cv2.threshold(gray_image, 130 + i * 10, 255, cv2.THRESH_BINARY)
    show_img_with_matplotlib(cv2.cvtColor(thresh, cv2.COLOR_GRAY2BGR), "threshold = {}".format(130 + i * 10), i + 2)

以上就是Python OpenCV閾值處理詳解的詳細內容，更多關於OpenCV閾值處理的資料請關注it145.com其它相關文章！

Python OpenCV閾值處理詳解

目錄

前言

閾值技術簡介

簡單的閾值技術

閾值型別

簡單閾值技術的實際應用

熱門文章