我是靠谱客的博主 平淡蜜蜂,这篇文章主要介绍【OpenCV】44 自适应阈值算法44 自适应阈值算法,现在分享给大家,希望可以做个参考。

44 自适应阈值算法

代码

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
import cv2 as cv import numpy as np # 自适应方法类型: # ADAPTIVE_THRESH_GAUSSIAN_C = 1 # ADAPTIVE_THRESH_MEAN_C = 0 src = cv.imread("../images/text1.png") cv.namedWindow("input", cv.WINDOW_AUTOSIZE) cv.imshow("input", src) h, w = src.shape[:2] # 自适应阈值分割 adaptiveThreshold gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY) binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 25, 10) cv.imshow("binary", binary) result = np.zeros([h, w*2, 3], dtype=src.dtype) result[0:h,0:w,:] = src result[0:h,w:2*w,:] = cv.cvtColor(binary, cv.COLOR_GRAY2BGR) cv.putText(result, "input", (10, 30), cv.FONT_ITALIC, 1.0, (0, 0, 255), 2) cv.putText(result, "adaptive threshold", (w+10, 30), cv.FONT_ITALIC, 1.0, (0, 0, 255), 2) cv.imshow("result", result) cv.imwrite("D:/binary_result.png", result) cv.waitKey(0) cv.destroyAllWindows()

实验结果

在这里插入图片描述

解释

OpenCV中的自适应阈值算法主要是基于均值实现,根据计算均值的方法不同分为盒子模糊均值与高斯模糊均值,然后使用原图减去均值图像,得到的差值图像进行自适应分割,相关的API如下:

复制代码
1
2
dst = cv.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst] )
  • maxValue:分配给满足条件的像素的非零值
  • aptiveMethod:要使用的自适应阈值算法,请参见AdaptiveThresholdTypes。
  • thresholdType:阈值类型必须为THRESH_BINARY或THRESH_BINARY_INV。
  • blockSize :用于计算像素阈值的像素邻域的大小:3、5、7,依此类推。
  • C:从平均值或加权平均值中减去的常数。通常,它是正的,但也可能是零或负的。

自适应方法类型:
ADAPTIVE_THRESH_GAUSSIAN_C = 1
ADAPTIVE_THRESH_MEAN_C = 0

当阈值操作类型thresholdType为:THRESH_BINARY
二值图像 = 原图 – 均值图像 > -C ? 255 : 0

当阈值操作类型thresholdType为:THRESH_BINARY_INV
二值图像 = 原图 – 均值图像 > -C ? 0 : 255


所有内容均来源于贾志刚老师的知识星球——OpenCV研习社,本文为个人整理学习,已获得贾老师授权,有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。
在这里插入图片描述

最后

以上就是平淡蜜蜂最近收集整理的关于【OpenCV】44 自适应阈值算法44 自适应阈值算法的全部内容,更多相关【OpenCV】44内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(78)

评论列表共有 0 条评论

立即
投稿
返回
顶部