Python3与OpenCV3.3 图像处理(十五)--图像二值化

一、什么是二值图像

图像中只有0和1，即1表示黑色，0表示白色

 
二、图像二值化的方法

图像二值化的方法：全局阈值，局部阈值。一般来说局部阈值要优于全局阈值。在OpenCV中图像二值化的方法有OTS,Triangle,自动与手动，衡量阈值方法是否是符合场景的，就是要看处理之后图像的信息是否丢失

三、示例代码

import cv2 as cv
import numpy as np

def threshold(image):
"""图像二值化：全局阈值"""
#图像灰度化
gray=cv.cvtColor(image,cv.COLOR_RGB2GRAY)
#变为二值图像
#gary：灰度图像
#0：阈值，如果选定了阈值方法，则这里不起作用
ret ,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY | cv.THRESH_TRIANGLE)
print(ret)
cv.imshow("binary",binary)

def local_threshold(image):
"""局部阈值"""
# 图像灰度化
gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY)
# 变为二值图像
binary = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,25,10)
cv.imshow("local_threshold", binary)

def custom_threshold(image):
"""局部阈值"""
# 图像灰度化
gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY)
h,w=gray.shape[:2]
m=np.reshape(gray,[1,w*h])
mean=m.sum()/(w*h)
# 变为二值图像
binary = cv.threshold(gray,mean,255,cv.THRESH_BINARY)
cv.imshow("custom_threshold", binary)

src=cv.imread('textImg.jpg')

cv.waitKey(0)
cv.destroyAllWindows()