网站设计多少钱市场价,哪个网站有建设需要等文件,互联网行业都有哪些公司,excel做网站什么是自适应阈值处理?
对于色彩均衡的图像#xff0c;直接使用一个阈值就能完成对图像的阈值化处理。但是#xff0c;有时图像的色彩是不均衡的#xff0c;此时如果只使用一个阈值#xff0c;就无法得到清晰有效的阈值分割结果图像。 有一种改进的阈值处理技术#xff…什么是自适应阈值处理?
对于色彩均衡的图像直接使用一个阈值就能完成对图像的阈值化处理。但是有时图像的色彩是不均衡的此时如果只使用一个阈值就无法得到清晰有效的阈值分割结果图像。 有一种改进的阈值处理技术其使用变化的阈值完成对图像的阈值处理这种技术被称为自适应阈值处理。在进行阈值处理时自适应阈值处理的方式通过计算每个像素点周围临近区 域的加权平均值获得阈值并使用该阈值对当前像素点进行处理。与普通的阈值处理方法相比**自适应阈值处理能够更好地处理明暗差异较大的图像。** OpenCV 提供了函数 cv2.adaptiveThreshold() 来实现自适应阈值处理该函数的语法格式为
dst cv.adaptiveThreshold( src, maxValue, adaptiveMethod, thresholdType,blockSize, C )式中 dst 代表自适应阈值处理结果。 src 代表要进行处理的原始图像。需要注意的是该图像必须是 8 位单通道的图像。 maxValue 代表最大值。 adaptiveMethod 代表自适应方法。 thresholdType 代表阈值处理方式该值必须是cv2.THRESH_BINARY 或 者 cv2.THRESH_BINARY_INV 中的一个。 blockSize 代表块大小。表示一个像素在计算其阈值时所使用的邻域尺寸通常为 3、5、7 等。 C 是常量。
函数 cv2.adaptiveThreshold()根据参数 adaptiveMethod 来确定自适应阈值的计算方法函数包含 cv2.ADAPTIVE_THRESH_MEAN_C 和 cv2.ADAPTIVE_THRESH_GAUSSIAN_C 两种不同的方法。这两种方法都是逐个像素地计算自适应阈值自适应阈值等于每个像素由参数 blockSize 所指定邻域的加权平均值减去常量 C。两种不同的方法在计算邻域的加权平均值时所 采用的方式不同
cv2.ADAPTIVE_THRESH_MEAN_C邻域所有像素点的权重值是一致的。cv2.ADAPTIVE_THRESH_GAUSSIAN_C与邻域各个像素点到中心点的距离有关通过高斯方程得到各个点的权重值。
实验:对一幅图像分别使用二值化阈值函数 cv2.threshold()和自适应阈值函cv2.adaptiveThreshold()进行处理观察处理结果的差异
实验原图: 代码如下:
import cv2
#读取图片
imgcv2.imread(computer.jpg,0)
#二值化处理阈值为127最大值为255采用阈值处理方法THRESH_BINARY
t1,thdcv2.threshold(img,127,255,cv2.THRESH_BINARY)
#自适应阈值处理最大值为255采用阈值处理方法ADAPTIVE_THRESH_MEAN_C阈值类型为THRESH_BINARY邻域大小为5阈值为3
athdMEANcv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,5,3)
#自适应阈值处理最大值为255采用阈值处理方法ADAPTIVE_THRESH_GAUSSIAN_C阈值类型为THRESH_BINARY邻域大小为5阈值为3
athdGAUScv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)cv2.imshow(img,img)
cv2.imshow(thd,thd)
cv2.imshow(athdMEAN,athdMEAN)
cv2.imshow(athdGAUS,athdGAUS)
cv2.waitKey()
cv2.destroyAllWindows()图(a)是原始图像。 图(b)是二值化阈值处理结果。 图©是自适应阈值采用方法 cv2.ADAPTIVE_THRESH_MEAN_C 的处理结果。 图(d)是自适应阈值采用方法 cv2.ADAPTIVE_THRESH_GAUSSIAN_C 的处理结果。
通过对比普通的阈值处理与自适应阈值处理可以发现自适应阈值处理保留了更多的细节信息。在一些极端情况下普通的阈值处理会丢失大量的信息而自适应阈值处理可以得到效果更好的二值图像。
