欢迎来到另一个OpenCV教程。在本教程中，我们将介绍图像和视频分析的阈值。阈值的想法是进一步简化可视数据以进行分析。首先，您可以转换为灰度，但随后必须考虑到灰度仍然至少具有255个值。最基本的阈值功能是根据阈值将所有内容转换为白色或黑色。假设我们希望阈值为125（总共255），然后将125以下的所有内容转换为0或黑色，将125以上的所有内容转换为255或白色。如果像平常一样转换为灰度，则将得到白色和黑色。如果不转换为灰度，则将获得带阈值的图片，但会有颜色。
尽管这听起来足够好，但事实并非如此。我们将在此处介绍多个示例和不同类型的阈值说明。我们将使用以下图像作为示例图像，但是可以使用自己的图像：
本书中的简短内容是一个很好的例子，说明了为什么有人会阈值。首先，背景实际上根本没有白色，一切都是暗淡的，但是一切都是变化的。有些部分很轻，很容易阅读，而另一些则很暗，需要聚焦很多。首先，让我们尝试一个简单的阈值：
retval, threshold = cv2.threshold(img, 10, 255, cv2.THRESH_BINARY)
二进制阈值是一个简单的“或”阈值，其中像素为255或0。在许多情况下，该阈值为白色或黑色，但是我们现在将图像保留为彩色，因此可能仍为彩色。这里的第一个参数是图像。下一个参数是阈值，我们选择10。下一个是最大值，我们将其选择为255。接下来，最后是阈值类型，我们将其选择为THRESH_BINARY。通常，选择阈值10会有些困难。我们选择10，因为这是低光图片，所以我们选择低数字。通常，大约125-150的效果最好。
import cv2 import numpy as np img = cv2.imread('linuxidc.com.jpg') retval, threshold = cv2.threshold(img, 12, 255, cv2.THRESH_BINARY) cv2.imshow('original',img) cv2.imshow('threshold',threshold) cv2.waitKey(0) cv2.destroyAllWindows()
结果：
现在，图像的读取效果稍好一些，但仍然有些混乱。 从视觉上看，它是更好的方法，但是使用程序来分析它仍然很困难。 让我们看看是否可以进一步简化它。
首先，让我们对图像进行灰度处理，然后设置阈值：
import cv2 import numpy as np grayscaled = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) retval, threshold = cv2.threshold(grayscaled, 10, 255, cv2.THRESH_BINARY) cv2.imshow('original',img) cv2.imshow('threshold',threshold) cv2.waitKey(0) cv2.destroyAllWindows()
结果如下：
是的，更简单，但是我们在这里仍然缺少很多上下文。 接下来，我们可以尝试自适应阈值，它将尝试改变阈值，并希望解决弯曲的页面。
import cv2 import numpy as np img = cv2.imread('www.linuxidc.com.jpg') grayscaled = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) th = cv2.adaptiveThreshold(grayscaled, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 115, 1) cv2.imshow('original',img) cv2.imshow('Adaptive threshold',th) cv2.waitKey(0) cv2.destroyAllWindows()
结果如下：
还有一个可以执行的阈值版本，称为Otsu阈值（大津阈值）。 它在这里不能很好地发挥左右，但是：
import cv2 import numpy as np img = cv2.imread('1.jpg') grayscaled = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) retval2,threshold2 = cv2.threshold(grayscaled,125,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU) cv2.imshow('original',img) cv2.imshow('Otsu threshold',threshold2) cv2.waitKey(0) cv2.destroyAllWindows()
结果如下：
更多Python相关信息见Python 专题页面 https://www.linuxidc.com/topicnews.aspx?tid=17
Linux公社的RSS地址：https://www.linuxidc.com/rssFeed.aspx