Python二值化图像黑色减去白色
时间: 2023-12-14 12:32:18 浏览: 34
根据提供的引用内容,二值化图像是将图像转换为只有黑色和白色两种颜色的图像。因此,黑色减去白色的结果是一个负数,没有实际意义。
如果您想要将黑色和白色的像素值进行反转,即黑色变为白色,白色变为黑色,可以使用OpenCV库中的bitwise_not函数。具体实现方法如下:
```python
import cv2
# 读取图像
img = cv2.imread('image.jpg', 0)
# 二值化图像
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
# 反转黑白像素值
thresh_not = cv2.bitwise_not(thresh)
# 显示图像
cv2.imshow('original', img)
cv2.imshow('binary', thresh)
cv2.imshow('not', thresh_not)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
上述代码中,首先使用cv2.threshold函数将图像二值化,然后使用cv2.bitwise_not函数将黑色和白色像素值进行反转。最后使用cv2.imshow函数显示原始图像、二值化图像和反转后的图像。
相关问题
python 二值化
Python二值化是将图像转换为只有两种灰度值(一般是黑色和白色)的过程。有多种方法可以实现图像的二值化,其中包括使用固定阈值、自适应阈值等方法。
固定阈值二值化是最简单的一种方法,通过选取一个固定的阈值来将图像分割为黑白两部分。可以使用cv2.threshold函数来实现固定阈值二值化,代码如下:
```python
image = cv2.imread(input_img_file)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, threshold_value, max_value, cv2.THRESH_BINARY)
```
其中,input_img_file是输入图像的文件路径,threshold_value是阈值,max_value是像素点的最大值(一般为255)。这段代码将读取输入图像并将其转换为灰度图像,在灰度图像上应用固定阈值二值化,并将结果存储在binary变量中。
自适应阈值二值化是根据图像不同区域的灰度特性来确定阈值的一种方法。可以使用cv2.adaptiveThreshold函数来实现自适应阈值二值化,代码如下:
```python
image = cv2.imread(input_img_file)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
binary = cv2.adaptiveThreshold(gray, max_value, adaptive_method, threshold_type, block_size, constant)
```
其中,input_img_file是输入图像的文件路径,max_value是像素点的最大值(一般为255),adaptive_method是自适应阈值计算方法,threshold_type是阈值类型,block_size是用于计算阈值的像素邻域大小,constant是从计算的平均值或加权平均值中减去的常数。
以上是Python中实现二值化的两种方法,根据实际需求选择合适的方法来进行二值化处理。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [Python图像的二值化](https://blog.csdn.net/ljx1400052550/article/details/114735364)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *3* [Python cv2 (二) 图像的灰度化 二值化 直方图 mask|均衡](https://blog.csdn.net/sdgpcc2000/article/details/121503294)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]
python图像0,1二值化
将图像像素值二值化为0和1,可以将所有灰度值高于阈值设为1,低于阈值设为0。可以使用全局固定阈值的方法或者局部自适应阈值的方法来实现。
以下是使用全局固定阈值的方法:
```python
import cv2
# 读取灰度图像
img = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE)
# 应用全局固定阈值二值化
thresh, binary_img = cv2.threshold(img, 127, 1, cv2.THRESH_BINARY)
# 显示二值化后的图像
cv2.imshow('binary image', binary_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
其中,`cv2.threshold`函数的第三个参数设为1,即将高于阈值的像素值设为1。
以下是使用局部自适应阈值的方法:
```python
import cv2
# 读取灰度图像
img = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE)
# 应用局部自适应阈值二值化
binary_img = cv2.adaptiveThreshold(img, 1, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
# 显示二值化后的图像
cv2.imshow('binary image', binary_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
其中,`cv2.adaptiveThreshold`函数用于应用局部自适应阈值二值化,参数`1`表示高于阈值的像素值要设置的值,`cv2.ADAPTIVE_THRESH_MEAN_C`表示使用局部像素均值作为阈值计算方法,`cv2.THRESH_BINARY`表示二值化方法,`11`表示局部块大小,`2`表示从块大小中减去的常数。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)