OpenCV-Python学习（10）—— OpenCV 图像二值化处理(cv.threshold)

1. 学习目标

1. 理解图像的分类，不同类型的图像的区别；
2. 对图像进行二值化处理，对【 cv.threshold 】函数的理解。

2. 图像分类

2.1 不同类型图像说明

按照颜色对图像进行分类，可以分为二值图像、灰度图像和彩色图像。

1. 二值图像：只有黑色和白色两种颜色的图像。 每个像素点可以用 0/1 表示，0 表示黑色，1 表示白色。
2. 灰度图像：只有灰度的图像。 每个像素点用 8bit 数字 [0,255] 表示灰度，如：0 表示纯黑，255 表示纯白。
3. 彩色图像：彩色图像通常 采用红色（R）、绿色（G）和蓝色（B）三个色彩通道的组合表示。

2.2 彩色图像

import cv2 as cv

img = cv.imread('./images/messi5.jpg')
cv.imshow('image', img)
cv.waitKey(0)
cv.destroyAllWindows()
1
2
3
4
5
6

2.3 灰度图像

1. 方法一：读取图像时，使用灰度模式读取；

import cv2 as cv

img = cv.imread('./images/messi5.jpg',0)
cv.imshow('image_gray', img)
cv.waitKey(0)
cv.destroyAllWindows()
1
2
3
4
5
6

2. 方法二：使用 cv.cvtColor 颜色空间转换；

import cv2 as cv

img = cv.imread('./images/messi5.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('image_gray', img_gray)
cv.waitKey(0)
cv.destroyAllWindows()
1
2
3
4
5
6
7

3. 图像二值化处理

3.1 函数调用

cv.threshold(src, thresh, maxval, type[, dst])
1

3.2 参数说明

3.3 type 值说明

3.4 二值图像

3.4.1 PNG 透明背景转二值图像

由于透明位置都是0，所以阀值设置为10就能很完美的转换二值图像！

import cv2 as cv

img = cv.imread('./images/opencv-logo-white.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('image_gray', img_gray)
ret, mask = cv.threshold(img_gray, 10, 255, cv.THRESH_BINARY)
cv.imshow('image_mask', mask)
cv.waitKey(0)
cv.destroyAllWindows()
1
2
3
4
5
6
7
8
9

3.4.2 JPG 复杂背景转二值图像

由于背景颜色比较复杂，所以阀值需要不断的调试，测试25时，返回的二值图像最佳，没有噪点！

import cv2 as cv

img = cv.imread('./images/butterfly.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('image_gray', img_gray)
ret, mask = cv.threshold(img_gray, 25, 255, cv.THRESH_BINARY_INV)
cv.imshow('image_mask', mask)
cv.waitKey(0)
cv.destroyAllWindows()
1
2
3
4
5
6
7
8
9

4. 注意

1. 函数 cv.threshold 进行 固定阈值 的二值化处理；函数 cv.adaptiveThreshold 为 自适应阈值 的二值化处理函数，可以通过比较像素点与周围像素点的关系动态调整阈值。
2. 确切地说，只有 type 为 cv.THRESH_BINARY 或 cv.THRESH_BINARY_INV 时输出为二值图像，其它变换类型时进行阈值处理但并不是二值处理。

5. 总结

1. 函数 cv.threshold 只有 type 为 cv.THRESH_BINARY 或 cv.THRESH_BINARY_INV 时输出为二值图像，其它变换类型时进行阈值处理但并不是二值处理。
2. 函数 cv.threshold 是进行 固定阈值 的二值化处理。