跟我学Python图像处理丨5种图像阈值化处理及算法对比

本文共享自华为云社区《[Python图画处理] 七.图画阈值化处理及算法比照》，作者： eastmount 。

一. 阈值化

（注：该部分参考作者的论文《根据苗族服饰的图画锐化和边缘提取技能研究》）

图画的二值化或阈值化（Binarization）旨在提取图画中的目标物体，将背景以及噪声区分开来。通常会设定一个阈值T，通过T将图画的像素划分为两类：大于T的像素群和小于T的像素群。

灰度转化处理后的图画中，每个像素都只要一个灰度值，其大小表明明暗程度。二值化处理可以将图画中的像素划分为两类颜色，常用的二值化算法如公式1所示：

​
当灰度Gray小于阈值T时，其像素设置为0，表明黑色；当灰度Gray大于或等于阈值T时，其Y值为255，表明白色。

Python OpenCV中提供了阈值函数threshold()实现二值化处理，其公式及参数如下图所示：
retval, dst = cv2.threshold(src, thresh, maxval, type)

常用的办法如下表所示，其间函数中的参数Gray表明灰度图，参数127表明对像素值进行分类的阈值，参数255表明像素值高于阈值时应该被赋予的新像素值，最终一个参数对应不同的阈值处理办法。

对应OpenCV提供的五张图如下所示，第一张为原图，后边依次为：二进制阈值化、反二进制阈值化、切断阈值化、反阈值化为0、阈值化为0。

二值化处理广泛应用于各行各业，比方生物学中的细胞图切割、交通范畴的车牌设别等。在文化应用范畴中，通过二值化处理将所需民族文物图画转化为黑白两色图，从而为后边的图画辨认提供更好的支撑作用。下图表明图画通过各种二值化处理算法后的成果，其间“BINARY”是最常见的黑白两色处理。

二. 二进制阈值化

该办法先要选定一个特定的阈值量，比方127。新的阈值发生规则如下：

​
(1) 大于等于127的像素点的灰度值设定为最大值（如8位灰度值最大为255）

(2) 灰度值小于127的像素点的灰度值设定为0

例如，163->255，86->0，102->0，201->255。

关键字为 cv2.THRESH_BINARY，完好代码如下：

#encoding:utf-8
import cv2  
import numpy as np  
#读取图片
src = cv2.imread('test.jpg')
#灰度图画处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
#二进制阈值化处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY)
print r
#显现图画
cv2.imshow("src", src)
cv2.imshow("result", b)
#等候显现
cv2.waitKey(0)
cv2.destroyAllWindows()

输出为两个返回值，r为127，b为处理成果（大于127设置为255，小于设置为0）。如下图所示：

三. 反二进制阈值化

该办法与二进制阈值化办法相似，先要选定一个特定的灰度值作为阈值，比方127。新的阈值发生规则如下：

​

(1) 大于127的像素点的灰度值设定为0（以8位灰度图为例）

(2) 小于该阈值的灰度值设定为255

例如，163->0，86->255，102->255，201->0。

关键字为 cv2.THRESH_BINARY_INV，完好代码如下：

#encoding:utf-8
import cv2  
import numpy as np  
#读取图片
src = cv2.imread('test.jpg')
#灰度图画处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
#反二进制阈值化处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY_INV)
print r
#显现图画
cv2.imshow("src", src)
cv2.imshow("result", b)
#等候显现
cv2.waitKey(0)
cv2.destroyAllWindows()

输出成果如下图所示：

该办法得到的成果正好与二进制阈值化办法相反，亮色元素反而处理为黑色，暗色处理为白色。

四. 切断阈值化

该办法需要选定一个阈值，图画中大于该阈值的像素点被设定为该阈值，小于该阈值的坚持不变，比方127。新的阈值发生规则如下：

​

(1) 大于等于127的像素点的灰度值设定为该阈值127

(2) 小于该阈值的灰度值不改动

例如，163->127，86->86，102->102，201->127。

关键字为 cv2.THRESH_TRUNC，完好代码如下：

#encoding:utf-8
import cv2  
import numpy as np  
#读取图片
src = cv2.imread('test.jpg')
#灰度图画处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
#切断阈值化处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TRUNC)
print r
#显现图画
cv2.imshow("src", src)
cv2.imshow("result", b)
#等候显现
cv2.waitKey(0)
cv2.destroyAllWindows()

输出成果如下图所示：：

该处理办法相当于把图画中比较亮（大于127，偏向于白色）的像素值处理为阈值。

五. 反阈值化为0

该办法先选定一个阈值，比方127，接着对图画的灰度值进行如下处理：

​

(1) 大于等于阈值127的像素点变为0

(2) 小于该阈值的像素点值坚持不变

例如，163->0，86->86，102->102，201->0。

关键字为 cv2.THRESH_TOZERO_INV，完好代码如下：

#encoding:utf-8
import cv2  
import numpy as np  
#读取图片
src = cv2.imread('test.jpg')
#灰度图画处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
#反阈值化为0处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO_INV)
print r
#显现图画
cv2.imshow("src", src)
cv2.imshow("result", b)
#等候显现
cv2.waitKey(0)
cv2.destroyAllWindows()

输出成果如下图所示：

六. 阈值化为0

该办法先选定一个阈值，比方127，接着对图画的灰度值进行如下处理：

​

(1) 大于等于阈值127的像素点，值坚持不变

(2) 小于该阈值的像素点值设置为0

例如，163->163，86->0，102->0，201->201。

关键字为 cv2.THRESH_TOZERO，完好代码如下：

#encoding:utf-8
import cv2  
import numpy as np  
#读取图片
src = cv2.imread('test.jpg')
#灰度图画处理
GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
#阈值化为0处理
r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO)
print r
#显现图画
cv2.imshow("src", src)
cv2.imshow("result", b)
#等候显现
cv2.waitKey(0)
cv2.destroyAllWindows()

输出成果如下图所示：

该算法把比较亮的部分不变，比较暗的部分处理为0。

完好五个算法的比照代码如下所示：

#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
#读取图画
img=cv2.imread('test.jpg')
lenna_img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
#阈值化处理
ret,thresh1=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)  
ret,thresh2=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY_INV)  
ret,thresh3=cv2.threshold(GrayImage,127,255,cv2.THRESH_TRUNC)  
ret,thresh4=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO)  
ret,thresh5=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO_INV)
#显现成果
titles = ['Gray Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']  
images = [GrayImage, thresh1, thresh2, thresh3, thresh4, thresh5]  
for i in xrange(6):  
   plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

输出成果如下图所示：

本文摘录自eastmount X华为云开发者社区联合出品的电子书《从零到一 • Python图画处理及辨认》。

点击免费下载电子书《从零到一 • Python图画处理及辨认》

点击重视，第一时间了解华为云新鲜技能~