Python+OpenCV怎么實現閾值分割

這篇文章主要介紹“Python+OpenCV怎么實現閾值分割”，在日常操作中，相信很多人在Python+OpenCV怎么實現閾值分割問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Python+OpenCV怎么實現閾值分割”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

一、全局閾值

原圖：

整幅圖采用一個閾值，與圖片的每一個像素灰度進行比較，重新賦值；

1.效果圖

2.源碼

import cv2
import matplotlib.pyplot as plt
#設定閾值
thresh=130
#載入原圖，并轉化為灰度圖像
img_original=cv2.imread(r'E:\py\python3.7\test2\test14yuzhi\cell.png',0)
img_original=cv2.resize(img_original,(0,0),fx=0.3,fy=0.3)
#采用5種閾值類型（thresholding type）分割圖像
retval1,img_binary=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY)
retval2,img_binary_invertion=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY_INV)
retval3,img_trunc=cv2.threshold(img_original,thresh,255,cv2.THRESH_TRUNC)
retval4,img_tozero=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO)
retval5,img_tozero_inversion=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO_INV)
#采用plt.imshow()顯示圖像
imgs=[img_original,img_binary,img_binary_invertion,img_trunc,img_tozero,img_tozero_inversion]
titles=['original','binary','binary_inv','trunc','tozero','tozero_inv']
for i in range(6):
    plt.subplot(2,3,i+1)
    plt.imshow(imgs[i],'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

二、滑動改變閾值(滑動條)

1.效果圖

2.源碼

代碼如下（示例）：

import cv2
import numpy as np
import matplotlib.pyplot as plt
#載入原圖，轉化為灰度圖像,并通過cv2.resize()等比調整圖像大小
img_original=cv2.imread(r'E:\py\python3.7\test2\test14yuzhi\cell.png',0)
img_original=cv2.resize(img_original,(0,0),fx=0.3,fy=0.3)
#初始化閾值，定義全局變量imgs
thresh=130
imgs=0
#創建滑動條回調函數，參數thresh為滑動條對應位置的數值
def threshold_segmentation(thresh):
    #采用5種閾值類型（thresholding type）分割圖像
    retval1,img_binary=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY)
    retval2,img_binary_invertion=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY_INV)
    retval3,img_trunc=cv2.threshold(img_original,thresh,255,cv2.THRESH_TRUNC)
    retval4,img_tozero=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO)
    retval5,img_tozero_inversion=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO_INV)
    #由于cv2.imshow()顯示的是多維數組（ndarray）,因此我們通過np.hstack(數組水平拼接)
    #和np.vstack(豎直拼接)拼接數組，達到同時顯示多幅圖的目的
    img1=np.hstack([img_original,img_binary,img_binary_invertion])
    img2=np.hstack([img_trunc,img_tozero,img_tozero_inversion])
    global imgs
    imgs=np.vstack([img1,img2])
#新建窗口
cv2.namedWindow('Images')
#新建滑動條，初始位置為130
cv2.createTrackbar('threshold value','Images',130,255,threshold_segmentation)
#第一次調用函數
threshold_segmentation(thresh)
#顯示圖像
while(1):
    cv2.imshow('Images',imgs)
    if cv2.waitKey(1)==ord('q'):
        break
cv2.destroyAllWindows()

三、自適應閾值分割

1.效果圖

2.源碼

代碼如下（示例）：

import cv2
import matplotlib.pyplot as plt
#載入原圖
img_original=cv2.imread(r'E:\py\python3.7\test2\test14yuzhi\cell.png',0)
#全局閾值分割
retval,img_global=cv2.threshold(img_original,130,255,cv2.THRESH_BINARY)
#自適應閾值分割
img_ada_mean=cv2.adaptiveThreshold(img_original,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,15,3)
img_ada_gaussian=cv2.adaptiveThreshold(img_original,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,15,3)
imgs=[img_original,img_global,img_ada_mean,img_ada_gaussian]
titles=['Original Image','Global Thresholding(130)','Adaptive Mean','Adaptive Guassian',]
#顯示圖片
for i in range(4):
    plt.subplot(2,2,i+1)
    plt.imshow(imgs[i],'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

3.GaussianBlur()函數去噪

代碼如下（示例）：

import cv2
import matplotlib.pyplot as plt
#載入原圖
img_original=cv2.imread(r'E:\py\python3.7\test2\test14yuzhi\cell.png',0)
#高斯濾波
img_blur=cv2.GaussianBlur(img_original,(13,13),13)  #根據情況修改參數
#自適應閾值分割
img_thresh=cv2.adaptiveThreshold(img_original,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,15,3)
img_thresh_blur=cv2.adaptiveThreshold(img_blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,15,3)
#顯示圖像
imgs=[img_thresh,img_thresh_blur]
titles=['img_thresh','img_thresh_blur']
for i in range(2):
    plt.subplot(1,2,i+1)
    plt.imshow(imgs[i],'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

四、參數解釋

1.cv2.threshold(src, thresh, maxval, type)

參數：

src:輸入的圖像

thresh:圖像分割所用的閾值（threshold value）

maxval:當閾值類型（thresholding type）采用cv2.THRESH_BINARY和cv2.THRESH_BINARY_INV時像素點被賦予的新值

type:介紹6種類型：

cv2.THRESH_BINARY（當圖像某點像素值大于thresh(閾值)時賦予maxval，反之為0。注：最常用）

cv2.THRESH_BINARY_INV（當圖像某點像素值小于thresh時賦予maxval，反之為0）

cv2.THRESH_TRUNC（當圖像某點像素值大于thresh時賦予thresh,反之不變。注：雖然maxval沒用了，但是調用函數不能省略）

cv2.THRESH_TOZERO（當圖像某點像素值小于thresh時賦予0，反之不變。注：同上）

cv2.THRESH_TOZERO_INV（當圖像某點像素值大于thresh時賦予0，反之不變。注：同上）

cv2.THRESH_OTSU（該方法自動尋找最優閾值，并返回給retval,見下文）

返回值：

retval:設定的thresh值，或者是通過cv2.THRESH_OTSU算出的最優閾值

dst:閾值分割后的圖像

到此，關于“Python+OpenCV怎么實現閾值分割”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！