先來看看今天的結果圖
-> 此篇文章的程式碼 github
Day19_自適應圖片二值化_adaptiveThreshold.ipynb
前言
花式修圖的這個系列…
主要會講的是一些比進階再更進階的內容,
會有比較多冷門的功能,或是更難的演算法。
OpenCV 的圖片自適應二值化,產生更好效果的黑白圖片!
# 先將圖片轉為灰階
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 將圖片做模糊化,可以降噪
blur_img = cv2.medianBlur(img,5)
# 一般圖二值化(未模糊降噪)
ret, th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
# 一般圖自適應平均二值化(未模糊降噪)
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,11,2)
# 一般圖自適應高斯二值化(未模糊降噪)
th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,2)
# 一般圖二值化(有模糊降噪)
ret, th4 = cv2.threshold(blur_img,127,255,cv2.THRESH_BINARY)
# 一般圖算術平均法的自適應二值化(有模糊降噪)
th5 = cv2.adaptiveThreshold(blur_img,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,11,2)
# 一般圖高斯加權均值法自適應二值化(有模糊降噪)
th6 = cv2.adaptiveThreshold(blur_img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,2)
什麼是 自適應二值化
我們先來討論什麼是 自適應的二值化
,
一般的 二值化
我們只會考慮單一點的值,直接去做閥值分析,
但一張圖片的「每個鄰近的像素都是彼此有關連的」。
如果單純只針對單一個點去看,似乎失去了對整張圖相鄰點的考慮,
因此 自適應二值化
就是在幫助我們找到單一點與鄰近區域的關係。
自適應二值化
的算法
cv2.adaptiveThreshold
能夠幫助我們將一張圖片做自適應的二值化,
自適應的二值化又分為
* 算術平均法的自適應二值化: cv2.ADAPTIVE_THRESH_MEAN_C
,取的是「區域平均值」
* 高斯加權均值法自適應二值化: cv2.ADAPTIVE_THRESH_GAUSSIAN_C
,
取的是「高斯平均值」(高斯分佈)
cv2.adaptiveThreshold
函數形式
cv2.adaptiveThreshold(image, 255, 自適應二值化算法, 閥值類型, 參考局部大小, 偏移量)
- image: 輸入圖片
- 自適應二值化算法: 可使用
cv2.ADAPTIVE_THRESH_MEAN_C
和cv2.ADAPTIVE_THRESH_GAUSSIAN_C
- 閥值類型: 可使用
THRESH_BINARY
和THRESH_BINARY_INV
,
看是超過閥值要「黑白」還是「白黑」。 - 參考局部大小: 就是參考區域的大小
- 偏移量: 微調用的參數
自適應二值化
搭配模糊降噪,能有更好的效果
通常在做 自適應二值化
之前,我們都會先將圖片做模糊化,
能夠達到降噪的效果,看下圖結果的圖片應該能很明顯地分得出差別。
(文章內容中,我們使用 cv2.medianBlur
來做模糊降噪的示範。)
本文同步發佈在: 第 12 屆 iT 邦幫忙鐵人賽
【沒錢ps,我用OpenCV!】Day 19 – 花式修圖1,OpenCV 的圖片自適應二值化,產生更好效果的黑白圖片!cv2.adaptiveThreshold
Reference
https://blog.csdn.net/on2way/article/details/46812121
https://blog.csdn.net/qq_37385726/article/details/82017177
https://www.twblogs.net/a/5b8c1ba02b717718833082e1
⭐Python OpenCV 相關文章整理⭐: | |
---|---|
⭐基礎知識篇⭐: | |
1. | 【OpenCV】1 – 安裝 python OpenCV install 電腦中圖片的基本概念總整理 (附錄:OpenCV 快速測試用程式碼) |
2. |