opencv 形态学图像处理-自适应阈值二值化_(二)形态学处理 1、读入并显示图像coins.png;选取合适的阈值,得到二值化图像; 2、

什么是形态学处理

• 基于图像形态进行处理的一些基本方法
• 这些处理方法基本上是对二进制图像进行处理
• 卷积核决定着图像处理的效果

形态学图像处理的方法

• 腐蚀与膨胀
• 开运算
• 闭运算
• 顶帽
• 黑帽

什么是二值化

• 将图像的每个像素变为两种值，如0，255
• 全局二值化
  threshod(img，thresh, maxVal, type)
  img:图像，最好是灰度图
  thresh:阈值
  maxVal: 超过阈值，替换成maxVal
  type: THRESH_BINARY和THRESH_BINARY_INV
  THRESH_TRUNC
  THRESH_TOZERO和THRESH_TOZERO_INV

import cv2 as cv
import numpy as np

img = cv.imread('./dog.jpeg')
img1 = cv.cvtColor(img,cv.COLOR_BGR2GRAY)


ret, dst = cv.threshold(img1,180,255, cv.THRESH_BINARY)

cv.imshow('img', img)
cv.imshow('img1', img1)
cv.imshow('dst', dst)

cv.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14

• 局部二值化
  自适应阈值
  由于光照不均以及阴影的存在，只有一个阈值会使得在阴影处的白色被二值化成黑色
  adaptiveThreshold(img, maxVal, adaptiveMethodtype,blockSize,C)
  adaptiveMethodtype:计算阈值的方法
  blockSize: 邻近区域的大小
  C：常量，应从计算出的平均值或加权平均值中减去
  adaptiveMethod的方法：
  cv.ADAPTIVE_THRESH_MEAN_C 计算邻近区域的平均值
  cv.ADAPTIVE_THRESH_GAUSSIAN_C 高斯窗口加权平均值
  Type
  type: THRESH_BINARY和THRESH_BINARY_INV

import cv2 as cv
import numpy as np

img = cv.imread('./dog.jpeg')
img1 = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

# ret, dst = cv.threshold(img1,180,255, cv.THRESH_BINARY)
dst = cv.adaptiveThreshold(img1, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY, 3, 0)
cv.imshow('img', img)
cv.imshow('img1', img1)
cv.imshow('dst', dst)

cv.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13