Python實現(xiàn)圖片二值化的詳細代碼

更新時間：2024年05月06日 12:00:23 作者：陳壯實的搬磚生活

圖像二值化就是將圖像上的像素點的“灰度值”設(shè)置為[0,?0,?0]或[255,?255,?255],即要么純黑,要么純白,這篇文章主要介紹了Python實現(xiàn)圖片二值化,需要的朋友可以參考下

1. 什么是二值化

圖像二值化就是將圖像上的像素點的“灰度值”設(shè)置為[0, 0, 0]或[255, 255, 255]，即要么純黑，要么純白。

2. 二值化的作用

通過二值化，能更好地分析物體的形狀和輪廓。

3. 二值化的實現(xiàn)

二值化的實現(xiàn)一般有：全局閾值法、自適應(yīng)閾值法、OTSU二值化等
（1）全局閾值法
就是選定一個全局閾值，大于這個值的色素點就賦值為255；反之為0。
（2）自適應(yīng)閾值法
全局閾值法相對比較簡單粗暴。自適應(yīng)閾值法的原理就是將像素點與該點所在區(qū)域的像素的平均值做比較，大于則賦予255；反之，為0.
（3）OTSU二值化
不太明白，后續(xù)遇到后再進行補充。

4.代碼實現(xiàn)

# ---------------------------
# @Time     : 2022/5/2 22:37
# @Author   : lcq
# @File     : two_.py
# @Function : 圖像二值化
# ---------------------------
import cv2
import matplotlib.pyplot as plt
import matplotlib
import numpy as np
matplotlib.rcParams['font.sans-serif'] = ['SimHei']     # 顯示中文
# 為了坐標(biāo)軸負號正常顯示。matplotlib默認不支持中文，設(shè)置中文字體后，負號會顯示異常。需要手動將坐標(biāo)軸負號設(shè)為False才能正常顯示負號。
matplotlib.rcParams['axes.unicode_minus'] = False
# 讀取灰度圖像
img = cv2.imread("C:\\Users\\17631\\Desktop\\test.jpeg", 0)
print("原圖的shape: ", img.shape)
plt.subplot(2, 2, 1)
plt.imshow(img, cmap='gray')
plt.title("原圖")
# 1.全局閾值法
ret, mask_all = cv2.threshold(src=img,                  # 要二值化的圖片
                              thresh=127,               # 全局閾值
                              maxval=255,               # 大于全局閾值后設(shè)定的值
                              type=cv2.THRESH_BINARY)   # 設(shè)定的二值化類型，THRESH_BINARY：表示小于閾值置0，大于閾值置填充色
print("全局閾值的shape: ", mask_all.shape)
plt.subplot(2, 2, 2)
plt.imshow(mask_all, cmap='gray')
plt.title("全局閾值")
# 2.自適應(yīng)閾值法
mask_local = cv2.adaptiveThreshold(src=img,                                     # 要進行處理的圖片
                                   maxValue=255,                                # 大于閾值后設(shè)定的值
                                   adaptiveMethod=cv2.ADAPTIVE_THRESH_MEAN_C,   # 自適應(yīng)方法，ADAPTIVE_THRESH_MEAN_C：表區(qū)域內(nèi)均值；ADAPTIVE_THRESH_GAUSSIAN_C：表區(qū)域內(nèi)像素點加權(quán)求和
                                   thresholdType=cv2.THRESH_BINARY,             # 同全局閾值法中的參數(shù)一樣
                                   blockSize=11,                                # 方陣（區(qū)域）大小，
                                   C=1)                                         # 常數(shù)項，每個區(qū)域計算出的閾值的基礎(chǔ)上在減去這個常數(shù)作為這個區(qū)域的最終閾值，可以為負數(shù)
print("局部閾值的shape: ", mask_local.shape)
plt.subplot(2, 2, 3)
plt.imshow(mask_local, cmap='gray')
plt.title("局部閾值")
# 3.OTSU二值化
ret2, mask_OTSU = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
print("OTSU的shape: ", mask_OTSU.shape)
plt.subplot(2, 2, 4)
plt.imshow(mask_OTSU, cmap='gray')
plt.title("OTSU")
plt.show()

效果：