关于python3 opencv 图像二值化的问题(cv2.adaptiveThreshold函数)

关于python3 opencv 图像二值化的问题(cv2.adaptiveThreshold函数)：

简介

图像二值化是一种将灰度图像转换为黑白二值图像的过程，即将像素点的灰度值转换为0或255，使图像中只有黑白两色。这种操作在机器视觉、图像处理中经常用到，如字符识别、边缘检测等。

Python中的OpenCV库提供了cv2.adaptiveThreshold函数用于进行图像二值化。该函数可以在局部区域内自适应地进行二值化操作，因此更适用于处理复杂的图像。

函数参数

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) -> dst

其中：

• src: 输入图像，需为灰度图像
• maxValue: 二值化后的最大值，若当前像素值高于指定的阈值则被赋值为该值
• adaptiveMethod: 自适应阈值算法，取值为cv2.ADAPTIVE_THRESH_MEAN_C或cv2.ADAPTIVE_THRESH_GAUSSIAN_C
• thresholdType: 阈值类型，取值为cv2.THRESH_BINARY或cv2.THRESH_BINARY_INV
• blockSize: 自适应区域大小，必须为奇数且大于1
• C：从均值中减去的值

示例1

下面是一个简单的示例，展示了如何使用cv2.adaptiveThreshold函数对一张图像进行二值化：

import cv2

img = cv2.imread('original_image.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

thresholded = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize=11, C=2)

cv2.imshow('thresholded', thresholded)
cv2.waitKey()
cv2.destroyAllWindows()

在这个示例中，我们先读入一张彩色图像，将其转换为灰度图像，然后使用cv2.adaptiveThreshold函数对其进行二值化操作。函数中的参数说明如下：

• maxValue设为255，即二值化后的最大值为255
• adaptiveMethod取值为cv2.ADAPTIVE_THRESH_MEAN_C，即使用均值对局部区域进行自适应的二值化操作
• thresholdType取值为cv2.THRESH_BINARY，即二值化操作以像素值>=阈值时反白显示
• blockSize设为11，表示自适应区域大小为11*11的像素块
• C设为2，表示从均值中减去2作为阈值

示例2

下面再演示一个在实际应用中常见的场景，即对二维码图片进行二值化：

import cv2

img = cv2.imread('qrcode.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 简单的阈值
_, thresholded_simple = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 自适应阈值
thresholded_adaptive = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize=7, C=15)

cv2.imshow('thresholded_simple', thresholded_simple)
cv2.imshow('thresholded_adaptive', thresholded_adaptive)
cv2.waitKey()
cv2.destroyAllWindows()

在这个示例中，我们先读入一张二维码图片，将其转换为灰度图像，然后使用cv2.threshold函数进行简单阈值处理，再使用cv2.adaptiveThreshold函数进行自适应阈值处理。其中，自适应阈值处理中的参数blockSize设为7，表示自适应区域大小为7*7的像素块；参数C设为15，表示从均值中减去15作为阈值。

通过对比以上两种二值化处理结果，可以发现自适应阈值处理能够更好地保留二维码图案的细节特征。