av一区二区在线观看_亚洲男人的天堂网站_日韩亚洲视频_在线成人免费_欧美日韩精品免费观看视频_久草视

您的位置:首頁技術文章
文章詳情頁

Python圖像閾值化處理及算法比對實例解析

瀏覽:5日期:2022-07-20 13:17:42

圖像的二值化或閾值化(Binarization)旨在提取圖像中的目標物體,將背景以及噪聲區分開來。通常會設定一個閾值T,通過T將圖像的像素劃分為兩類:大于T的像素群和小于T的像素群。

灰度轉換處理后的圖像中,每個像素都只有一個灰度值,其大小表示明暗程度。二值化處理可以將圖像中的像素劃分為兩類顏色,常用的二值化算法如公式1所示:

{Y=0,gray<TY=255,gray>=T{Y=0,gray<TY=255,gray>=T​

當灰度Gray小于閾值T時,其像素設置為0,表示黑色;當灰度Gray大于或等于閾值T時,其Y值為255,表示白色。

Python OpenCV中提供了閾值函數threshold()實現二值化處理,其公式及參數如下圖所示:

retval, dst = cv2.threshold(src, thresh, maxval, type)

Python圖像閾值化處理及算法比對實例解析

二進制閾值化

該方法先要選定一個特定的閾值量,比如127

1) 大于等于127的像素點的灰度值設定為最大值

2) 灰度值小于127的像素點的灰度值設置為0

例如: 156->255 89->0

關鍵字為cv2.THRESH_BINARY,完整代碼如下

import cv2def test22(): src = cv2.imread('rose.jpg') # 灰度圖片轉換 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二進制閾值化處理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY) # 顯示圖像 cv2.imshow('src', src) cv2.imshow('result', b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()

效果如下:

Python圖像閾值化處理及算法比對實例解析

反二進制閾值化

該方法與二進制閾值化方法相似,先要選定一個特定的灰度值作為閾值,比如127

1) 大于127的像素點的灰度值設定為0

2) 小于該閾值的灰度值設定為255

例如:156->0 89->255

關鍵字為cv2.THRESH_BINARY_INV

代碼如下:

import cv2def test22(): src = cv2.imread('rose.jpg') # 灰度圖片轉換 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二進制閾值化處理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY_INV) # 顯示圖像 cv2.imshow('src', src) cv2.imshow('result', b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()

效果如下:

Python圖像閾值化處理及算法比對實例解析

截斷閾值化

該方法需要選定一個閾值,圖像中大于該閾值的像素點被設定為該閾值,小于該閾值的保持不變。

1) 大于等于127像素點的灰度值設定為該閾值127

2) 小于該閾值的灰度值不變

例如: 163-> 127 89->89

關鍵字cv2.THRESH_TRUNC,完整代碼如下

import cv2def test22(): src = cv2.imread('rose.jpg') # 灰度圖片轉換 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二進制閾值化處理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TRUNC) # 顯示圖像 cv2.imshow('src', src) cv2.imshow('result', b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()

效果如下:

Python圖像閾值化處理及算法比對實例解析

反閾值化為0

該方法先選定一個閾值,比如127

(1) 大于等于閾值127的像素點變為0(2) 小于該閾值的像素點值保持不變

例如: 128->0 89->89

關鍵字為cv2.THRESH_TOZERO_INV,完整代碼如下:

import cv2def test22(): src = cv2.imread('rose.jpg') # 灰度圖片轉換 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二進制閾值化處理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO_INV) # 顯示圖像 cv2.imshow('src', src) cv2.imshow('result', b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()

效果如下:

Python圖像閾值化處理及算法比對實例解析

閾值為0

該方法先選定一個閾值,比如127

(1) 大于等于閾值127的像素點,值保持不變

(2) 小于該閾值的像素點值設置為0

例如: 163->163 102->0

關鍵字為cv2.THRESH_TOZERO,完整代碼如下:

import cv2def test22(): src = cv2.imread('rose.jpg') # 灰度圖片轉換 GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA) # 二進制閾值化處理 r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO) # 顯示圖像 cv2.imshow('src', src) cv2.imshow('result', b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows()test22()

效果如下:

Python圖像閾值化處理及算法比對實例解析

以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持好吧啦網。

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 久久国产精品免费 | 综合国产 | 在线观看国产精品视频 | 麻豆av片| 久久久毛片 | 干出白浆视频 | 久久久久国产精品一区三寸 | 精品区一区二区 | 91久久国产精品 | 国产美女福利在线观看 | 精品日本久久久久久久久久 | 九色国产 | 日本在线看片 | 成人欧美一区二区三区黑人孕妇 | 国产精品www | 日韩一区二区av | 国产精品久久久久久久久久不蜜臀 | 人人精品 | 免费国产视频 | 干出白浆视频 | av国产精品| 欧美影院 | 亚洲精品欧美一区二区三区 | 一级黄色片网址 | 色久电影| 国产91丝袜在线播放 | 一区中文字幕 | 免费观看a级毛片在线播放 黄网站免费入口 | 综合色在线 | 最新免费av网站 | 99久久久久久99国产精品免 | 日本一区精品 | 国产中文字幕在线观看 | 狠狠操狠狠干 | 欧美一级高潮片免费的 | 日日噜噜噜夜夜爽爽狠狠视频, | 五月婷婷激情网 | 特黄特黄a级毛片免费专区 av网站免费在线观看 | 欧美福利| 农村真人裸体丰满少妇毛片 | 亚洲国产精品久久久 |