OpenCV學習筆記之四：圖像閾值與平滑處理

一、圖像閾值

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

• src： 輸入圖，只能輸入單通道圖像，通常來說爲灰度圖
• dst： 輸出圖
• thresh： 閾值
• maxval： 當像素值超過了閾值（或者小於閾值，根據type來決定），所賦予的值
• type：二值化操作的類型，包含以下5種類型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
• cv2.THRESH_BINARY 超過閾值部分取maxval（最大值），否則取0
• cv2.THRESH_BINARY_INV THRESH_BINARY的反轉
• cv2.THRESH_TRUNC 大於閾值部分設爲閾值，否則不變
• cv2.THRESH_TOZERO 大於閾值部分不改變，否則設爲0
• cv2.THRESH_TOZERO_INV THRESH_TOZERO的反轉

#!/usr/bin/env python 
# -*- coding: utf-8 -*-
# @Time    : 2019/12/31 14:03
# @Author  : King110108
# @File    : threshold_filter.py
# @Description: 
# @IDE     : PyCharm

import cv2 #opencv讀取的格式是BGR
import matplotlib.pyplot as plt #Matplotlib是RGB
import numpy as np

#顯示一張圖片，第一個參數是窗口名字，第二個參數是要顯示的圖片
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

#灰度處理
img=cv2.imread('jay1.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
print(img_gray.shape)

ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)

titles = ['Original Image', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

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()

二、圖像平滑處理

圖片平滑處理即對圖片濾波降噪的過程。

均值濾波--簡單的平均卷積操作

blur = cv2.blur(img, (3, 3))
	
cv2.imshow('blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

方框濾波--基本和均值一樣，可以選擇歸一化，False越界會產生高亮圖

boxFilter= cv2.boxFilter(img,-1,(3,3), normalize=True)  
	
cv2.imshow('boxFilter', boxFilter)
cv2.waitKey(0)
cv2.destroyAllWindows()

高斯濾波--高斯模糊的卷積核裏的數值是滿足高斯分佈，相當於更重視中間的

aussianBlur = cv2.GaussianBlur(img, (5, 5), 1)  
	
cv2.imshow('aussianBlur ', aussianBlur )
cv2.waitKey(0)
cv2.destroyAllWindows()

中值濾波--相當於用中值代替

medianBlur= cv2.medianBlur(img, 5)  # 中值濾波
	
cv2.imshow('medianBlur', medianBlur)
cv2.waitKey(0)
cv2.destroyAllWindows()