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: 亚洲精品一区中文字幕乱码 | 中文字幕在线观看一区二区 | 日韩精品一区二区三区在线观看 | 久久精品国产一区二区三区不卡 | 亚洲免费人成在线视频观看 | 国产激情在线播放 | 91精品国产色综合久久不卡98 | 精品国产一区二区三区久久久四川 | 精品国产一级片 | 成人免费视频在线观看 | 欧美成人精品一区二区三区 | 久久国产综合 | 欧美日韩国产精品一区二区 | 成人国产精品视频 | 亚洲欧美在线观看 | 亚洲欧美在线一区 | 91爱爱·com| 日韩免费一区二区 | 在线视频 亚洲 | 国产精品99久久久久久久久久久久 | 色毛片 | av永久| 久久综合一区 | 久久久久国产一区二区 | 欧美不卡在线 | 欧美日韩在线一区 | 在线不卡视频 | 免费在线观看成人 | 久久高清 | 亚洲精品一二三 | 中文字幕在线人 | 青青草av在线播放 | 国产精品自产拍 | 美女视频三区 | 国产精品亚洲视频 | 亚洲精品久久久一区二区三区 | 色综合桃花网 | 91麻豆精品国产91久久久更新资源速度超快 | 美日韩免费视频 | 韩国毛片一区二区三区 | 国产目拍亚洲精品99久久精品 |