Python 影像處理 OpenCV （6）：影像的閾值處理

極客挖掘機發表於2020-06-05

PythonOpenCV

前文傳送門：

「Python 影像處理 OpenCV （1）：入門」

「Python 影像處理 OpenCV （2）：畫素處理與 Numpy 操作以及 Matplotlib 顯示影像」

「Python 影像處理 OpenCV （3）：影像屬性、影像感興趣 ROI 區域及通道處理」

「Python 影像處理 OpenCV （4）：影像算數運算以及修改顏色空間」

「Python 影像處理 OpenCV （5）：影像的幾何變換」

影像的閾值

看到這個詞可能大家都很懵，為啥在影像處理裡面還會有閾值。

影像的閾值處理用大白話講就是將影像轉化為二值影像（黑白圖），目的是用來提取影像中的目標物體，將背景和噪聲區分開（可以近似的認為除了目標全是噪聲）。

通常會設定一個閾值 T ，通過 T 將影像的畫素劃分為兩類：大於 T 的畫素群和小於 T 的畫素群。

首先可以先將影像轉化為灰度影像，因為在灰度影像中，每個畫素都只有一個灰度值用來表示當前畫素的亮度。

接下來二值化處理可以將影像中的畫素劃分為兩類顏色，一種是大於閾值 T 的，另一種是小於閾值 T 的。

比如最常見的二值影像：

當灰度值小於閾值 T 的時候，可以將其畫素設定為 0 ，表示為黑色。

當灰度值大於閾值 T 的時候，可以將其畫素設定為 255 ，表示為白色。

在 OpenCV 中，為我們提供了閾值函式 threshold() 來幫助我們實現二值影像的處理。

函式如下：

retval, dst = threshold(src, thresh, maxval, type, dst=None)

retval: 閾值
dst: 處理後的影像
src: 原影像
thresh: 閾值
maxval: 最大值
type: 處理型別

常用的 5 中處理型別如下：

cv.THRESH_BINARY: 二值處理
cv.THRESH_BINARY_INV: 反二值處理
cv.THRESH_TRUNC: 截斷閾值化
cv.THRESH_TOZERO: 閾值化為 0
cv.THRESH_TOZERO_INV: 反閾值化為 0

接下來這幾種處理型別有啥不同，我們一個一個來看。

二值處理

這種二值處理方式最開始需要選定一個閾值 T ，從 0 ~ 255 之間，我這裡選擇出於中間的那個數 127 。

接下來的處理規則就是這樣的：

大於等於 127 的畫素點的灰度值設定為最大值，也就是 255 白色
小於 127 的畫素點的灰度值設定為 0 ，也就是黑色

接下來開始寫程式碼，看我們的馬里奧同學（不知道你們還記不記得我們的馬里奧同學）：

import cv2 as cv

src = cv.imread("maliao.jpg")

# BGR 影像轉灰度
gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 二值影像處理
r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_BINARY)

# 顯示影像
cv.imshow("src", src)
cv.imshow("result", b)

# 等待顯示
cv.waitKey(0)
cv.destroyAllWindows()

反二值處理

這種方式和上面的二值處理非常相似，只是把處理規則給反了一下：

大於等於 127 的畫素點的灰度值設定為 0 ，也就是白色
小於 127 的畫素點的灰度值設定為最大值，也就是 255 白色

完整程式碼如下：

import cv2 as cv

src = cv.imread("maliao.jpg")

# BGR 影像轉灰度
gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 二值影像處理
r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_BINARY_INV)

# 顯示影像
cv.imshow("src", src)
cv.imshow("result", b)

# 等待顯示
cv.waitKey(0)
cv.destroyAllWindows()

從影像上可以看到，顏色和上面的二值影像正好相反，大部分的位置都變成了白色。

截斷閾值化

這種方法還是需要先選定一個閾值 T ，影像中大於該閾值的畫素點被設定為該閾值，小於該閾值的保持不變。

完整程式碼如下：

import cv2 as cv

src = cv.imread("maliao.jpg")

# BGR 影像轉灰度
gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 二值影像處理
r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_TRUNC)

# 顯示影像
cv.imshow("src", src)
cv.imshow("result", b)

# 等待顯示
cv.waitKey(0)
cv.destroyAllWindows()

這種方式實際上是把圖片比較亮的畫素處理成為閾值，其他部分保持不變。

閾值化為 0

這種方式還是需要先選定一個閾值 T ，將小於 T 的畫素點設定為 0 黑色，其他的保持不變。

完整程式碼如下：

import cv2 as cv

src = cv.imread("maliao.jpg")

# BGR 影像轉灰度
gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 二值影像處理
r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_TOZERO)

# 顯示影像
cv.imshow("src", src)
cv.imshow("result", b)

# 等待顯示
cv.waitKey(0)
cv.destroyAllWindows()

這個方法是亮的部分不改，把比較暗的部分修改為 0 。

反閾值化為 0

這個和前面的反二值影像很像，同樣是反閾值化為 0 ，將大於等於 T 的畫素點變為 0 ，其餘保持不變。

完整程式碼如下：

import cv2 as cv

src = cv.imread("maliao.jpg")

# BGR 影像轉灰度
gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 二值影像處理
r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_TOZERO_INV)

# 顯示影像
cv.imshow("src", src)
cv.imshow("result", b)

# 等待顯示
cv.waitKey(0)
cv.destroyAllWindows()

這個方法是暗的部分不改，把比較亮的部分修改為 0 。

全家福

接下來還是給這幾種閾值處理後的影像來個全家福，讓大家能有一個直觀的感受，程式碼我也給出來，如下：

import cv2 as cv
import matplotlib.pyplot as plt

# 讀取影像
img=cv.imread('maliao.jpg')
lenna_img = cv.cvtColor(img,cv.COLOR_BGR2RGB)
gray_img=cv.cvtColor(img,cv.COLOR_BGR2GRAY)

# 閾值化處理
ret1, thresh1=cv.threshold(gray_img, 127, 255, cv.THRESH_BINARY)
ret2, thresh2=cv.threshold(gray_img, 127, 255, cv.THRESH_BINARY_INV)
ret3, thresh3=cv.threshold(gray_img, 127, 255, cv.THRESH_TRUNC)
ret4, thresh4=cv.threshold(gray_img, 127, 255, cv.THRESH_TOZERO)
ret5, thresh5=cv.threshold(gray_img, 127, 255, cv.THRESH_TOZERO_INV)

# 顯示結果
titles = ['Gray Img','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [gray_img, thresh1, thresh2, thresh3, thresh4, thresh5]

# matplotlib 繪圖
for i in range(6):
   plt.subplot(2, 3, i+1), plt.imshow(images[i],'gray')
   plt.title(titles[i])
   plt.xticks([]),plt.yticks([])

plt.show()