OpenCV（python）一键入门--十二篇（二值化）

本系列OpenCV博客旨在以最简单的方式分享OpenCV知识，欢迎大家交流和提出指导意见

1：简单的二值化

import cv2 as cv
import numpy as np

src = cv.imread("ma.jpg")
cv.imshow("input", src)

# 转换为灰度图像
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
h, w = gray.shape

t = cv.mean(gray)[0]
#t , std = cv.meanStdDev(gray)
#提示：以上两种方式都可以，都是为了提取均值
#为了方便入门理解，第二行的“std”变量仅用于接收方差，没有其他用途
#区别：
#cv.mean返回一个向量数组，数组里面的值是标量，用【0】获取值
#cv.meanStdDev返回一个矩阵
#可以通过下面的 print语句查看差别

print("t value : ", t)

# 创建一个空图
binary = np.zeros((h, w), dtype=np.uint8)

for row in range(h):
    for col in range(w):
        pv = gray[row, col]#遍历像素，大于t则赋值255，否则为0

        if pv > t:
            binary[row, col] = 255
        else:
            binary[row, col] = 0

cv.imshow("binary", binary)

cv.waitKey(0)
cv.destroyAllWindows()

1）均值这一部分，在本系列博客第二篇：https://bbs.huaweicloud.com/blogs/285391有简单介绍，大致内容放在下图：

当然，除了均值，可以根据自己的需要调整这个 阈值t 的获取方式，根据需要自行调整即可，本案例用均值进行二值化

2）下边的for循环嵌套很好理解了，就是遍历原图像素，大于 阈值t 的像素赋值255，否则为0,。这就是简单的二值化分割。

效果如下：

2：二值化基本阈值操作

import cv2 as cv
import numpy as np
#二值化分割
#下列表示阈值分割方法
#
# THRESH_BINARY = 0       二值分割
# THRESH_BINARY_INV = 1   反向二值分割
# THRESH_TRUNC = 2        截断
# THRESH_TOZERO = 3       取零
# THRESH_TOZERO_INV = 4   反向取零
#

src = cv.imread("ma.jpg")
cv.imshow("input", src)

T = 127#这里直接给定阈值，不再设置别的计算方式

# 转换为灰度图像
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

#for循环输出五种分割方式
for i in range(5):
    ret, binary = cv.threshold(gray, T, 255, i)
    #返回127.0（得到的阈值） 以及二值化图像
    print(f"ret_{i}:{ret}\n")
    cv.imshow("binary_" + str(i), binary)

cv.waitKey(0)
cv.destroyAllWindows()

cv.threshold有两个返回值，返回的第一个ret就是得到的阈值值，第二个就是阈值化后的图像。 

cv.threshold中，对于BINARY方法，当图像中的灰度值大于127（也就是阈值T），其重置像素值为255.

所以，这里的cv.threshold函数原型为：

cv.threshold（灰度图，阈值，重置像素值，模式）

3：图像二值寻找算法——OTSU

我们前面说到，cv.threshold函数有两个返回值的
前面的代码在阈值的处理上，我们选择的阈值都是127，或者均值计算。那么实际情况下，有的图像可能阈值127不是最好的效果。

那这里我们需要算法自己去寻找到一个阈值，而Otsu’s就可以自己找到一个认为最好的阈值。并且Otsu’s非常适合于图像灰度直方图具有双峰的情况，他会在双峰之间找到一个值作为阈值，对于非双峰图像，可能并不是很好用。

经过Otsu’s得到的那个阈值就是函数cv.threshold的第一个参数。因为Otsu’s方法会产生一个阈值，那么函数cv.threshold的的第二个参数（设置阈值）就是0了，并且在cv.threshold的方法参数中还得加上语句cv.THRESH_OTSU。

双峰图像：就是图像的灰度统计图中可以明显看出只有两个波峰，比如下面一个图的灰度直方图就可以是双峰图：

下列是代码

import cv2 as cv
import numpy as np
#
# THRESH_BINARY = 0
# THRESH_BINARY_INV = 1
# THRESH_TRUNC = 2
# THRESH_TOZERO = 3
# THRESH_TOZERO_INV = 4
# THRESH_MASK = 5 不支持
# THRESH_OTSU = 6 不支持32位
# THRESH_TRIANGLE = 7 不支持32位

src = cv.imread("ma.jpg")
cv.imshow("input", src)

# 自动阈值分割 OTSU
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
#                          灰度图,阈值,重置像素值,模式
#                          OTSU--基于类内最小方差实现阈值寻找

print("ret :", ret)
cv.imshow("binary", binary)

cv.waitKey(0)
cv.destroyAllWindows()

4：图像二值寻找算法——TRIANGLE

前面说到，OTSU对于有两个波峰的直方图效果很好。如果该直方图只有一个波峰，TRIANGLE是个不错的选择

import cv2 as cv
import numpy as np

src = cv.imread("ma.jpg")
cv.imshow("input", src)

# 自动阈值分割 TRIANGLE
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_TRIANGLE)
#                           函数原型请参考之前的说明
##                         有时候直方图只有一个波峰，就用这种triangle寻找阈值
print("ret :", ret)
cv.imshow("binary", binary)

cv.waitKey(0)
cv.destroyAllWindows()

由于手头没有合适的图像，只能展示如下：

补充：

关于cv.threshold参数：