Python图像处理二值化方法实例汇总

Python图像处理二值化方法实例汇总图像处理二值化方法实例汇总

主要介绍了Python图像处理二值化方法实例汇总,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

在用python进行图像处理时，二值化是非常重要的一步，现总结了自己遇到过的6种 图像二值化的方法（当然这个绝对不是全部的二值化方法，若发现新的方法会继续新增）。

1. opencv 简单阈值 cv2.threshold

2. opencv 自适应阈值 cv2.adaptiveThreshold (自适应阈值中计算阈值的方法有两种：mean_c 和 guassian_c ，可以尝试用下哪种效果好)

3. Otsu's 二值化

例子:

import cv2

th2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

# Otsu's thresholding

# 阈值一定要设为 0 !

ret3, th3 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# plot all the images and their histograms

images = [img, 0, th1, img, 0, th2, img, 0, th3]

titles = [

'Original Noisy Image', 'Histogram', 'Global Thresholding (v=127)',

'Original Noisy Image', 'Histogram', "Adaptive Thresholding",

'Original Noisy Image', 'Histogram', "Otsu's Thresholding"

plt.subplot(3, 3, i * 3 + 1), plt.imshow(images[i * 3], 'gray')

plt.title(titles[i * 3]), plt.xticks([]), plt.yticks([])

plt.subplot(3, 3, i * 3 + 2), plt.hist(images[i * 3].ravel(), 256)

plt.title(titles[i * 3 + 1]), plt.xticks([]), plt.yticks([])

plt.subplot(3, 3, i * 3 + 3), plt.imshow(images[i * 3 + 2], 'gray')

plt.title(titles[i * 3 + 2]), plt.xticks([]), plt.yticks([])

plt.show()

结果图:

4. skimage niblack阈值

5. skimage sauvola阈值 (主要用于文本检测)

threshold_sauvola)

matplotlib.rcParams['font.size'] = 9

image = page()

binary_global = image > threshold_otsu(image)

window_size = 25

thresh_niblack = threshold_niblack(image, window_size=window_size, k=0.8)

thresh_sauvola = threshold_sauvola(image, window_size=window_size)

binary_niblack = image > thresh_niblack

binary_sauvola = image > thresh_sauvola

plt.figure(figsize=(8, 7))

plt.imshow(binary_global, cmap=plt.cm.gray)

plt.axis('off')

plt.subplot(2, 2, 3)