本篇文章給大家分享的是有關(guān)Python圖像處理二值化方法有哪些實(shí)例，小編覺得挺實(shí)用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

創(chuàng)新互聯(lián)公司專注于廣州網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠為您提供廣州營銷型網(wǎng)站建設(shè)，廣州網(wǎng)站制作、廣州網(wǎng)頁設(shè)計(jì)、廣州網(wǎng)站官網(wǎng)定制、小程序開發(fā)服務(wù)，打造廣州網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供廣州網(wǎng)站排名全網(wǎng)營銷落地服務(wù)。

在用python進(jìn)行圖像處理時(shí)，二值化是非常重要的一步，現(xiàn)總結(jié)了自己遇到過的6種 圖像二值化的方法（當(dāng)然這個(gè)絕對(duì)不是全部的二值化方法，若發(fā)現(xiàn)新的方法會(huì)繼續(xù)新增）。

1. opencv 簡單閾值 cv2.threshold

2. opencv 自適應(yīng)閾值 cv2.adaptiveThreshold (自適應(yīng)閾值中計(jì)算閾值的方法有兩種：mean_c 和 guassian_c ，可以嘗試用下哪種效果好)

3. Otsu's 二值化

例子:

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('scratch.png', 0)
# global thresholding
ret1, th2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
# Otsu's thresholding
th3 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
# Otsu's thresholding
# 閾值一定要設(shè)為 0 !
ret3, th4 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# plot all the images and their histograms
images = [img, 0, th2, img, 0, th3, img, 0, th4]
titles = [
  'Original Noisy Image', 'Histogram', 'Global Thresholding (v=127)',
  'Original Noisy Image', 'Histogram', "Adaptive Thresholding",
  'Original Noisy Image', 'Histogram', "Otsu's Thresholding"
]
# 這里使用了 pyplot 中畫直方圖的方法, plt.hist, 要注意的是它的參數(shù)是一維數(shù)組
# 所以這里使用了( numpy ) ravel 方法,將多維數(shù)組轉(zhuǎn)換成一維,也可以使用 flatten 方法
# ndarray.flat 1-D iterator over an array.
# ndarray.flatten 1-D array copy of the elements of an array in row-major order.
for i in range(3):
  plt.subplot(3, 3, i * 3 + 1), plt.imshow(images[i * 3], 'gray')
  plt.title(titles[i * 3]), plt.xticks([]), plt.yticks([])
  plt.subplot(3, 3, i * 3 + 2), plt.hist(images[i * 3].ravel(), 256)
  plt.title(titles[i * 3 + 1]), plt.xticks([]), plt.yticks([])
  plt.subplot(3, 3, i * 3 + 3), plt.imshow(images[i * 3 + 2], 'gray')
  plt.title(titles[i * 3 + 2]), plt.xticks([]), plt.yticks([])
plt.show()

結(jié)果圖:

4. skimage niblack閾值

5. skimage sauvola閾值 (主要用于文本檢測(cè))

例子:

https://scikit-image.org/docs/dev/auto_examples/segmentation/plot_niblack_sauvola.html

import matplotlib
import matplotlib.pyplot as plt

from skimage.data import page
from skimage.filters import (threshold_otsu, threshold_niblack,
               threshold_sauvola)


matplotlib.rcParams['font.size'] = 9


image = page()
binary_global = image > threshold_otsu(image)

window_size = 25
thresh_niblack = threshold_niblack(image, window_size=window_size, k=0.8)
thresh_sauvola = threshold_sauvola(image, window_size=window_size)

binary_niblack = image > thresh_niblack
binary_sauvola = image > thresh_sauvola

plt.figure(figsize=(8, 7))
plt.subplot(2, 2, 1)
plt.imshow(image, cmap=plt.cm.gray)
plt.title('Original')
plt.axis('off')

plt.subplot(2, 2, 2)
plt.title('Global Threshold')
plt.imshow(binary_global, cmap=plt.cm.gray)
plt.axis('off')

plt.subplot(2, 2, 3)
plt.imshow(binary_niblack, cmap=plt.cm.gray)
plt.title('Niblack Threshold')
plt.axis('off')

plt.subplot(2, 2, 4)
plt.imshow(binary_sauvola, cmap=plt.cm.gray)
plt.title('Sauvola Threshold')
plt.axis('off')

plt.show()

結(jié)果圖:

6.IntegralThreshold(主要用于文本檢測(cè))

使用方法: 運(yùn)行下面網(wǎng)址的util.py文件

https://github.com/Liang-yc/IntegralThreshold

結(jié)果圖:

以上就是Python圖像處理二值化方法有哪些實(shí)例，小編相信有部分知識(shí)點(diǎn)可能是我們?nèi)粘９ぷ鲿?huì)見到或用到的。希望你能通過這篇文章學(xué)到更多知識(shí)。更多詳情敬請(qǐng)關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道。

當(dāng)前文章：Python圖像處理二值化方法有哪些實(shí)例-創(chuàng)新互聯(lián)
URL地址：http://weahome.cn/article/dscdps.html