OpenCV 中如何进行图像的二值化？

推荐答案

在OpenCV中，图像的二值化可以通过cv2.threshold()函数来实现。以下是一个简单的示例代码：

// www.javascriptcn.com code example
import cv2

# 读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 应用二值化
ret, binary_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)

# 显示结果
cv2.imshow('Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，cv2.threshold()函数将灰度图像转换为二值图像。127是阈值，255是最大值，cv2.THRESH_BINARY是二值化的类型。

本题详细解读

1. cv2.threshold()函数详解

cv2.threshold()函数的原型如下：

ret, dst = cv2.threshold(src, thresh, maxval, type)

• src: 输入图像，通常是灰度图像。
• thresh: 阈值，用于将像素值分类。
• maxval: 当像素值超过（或小于，取决于类型）阈值时，赋予的新值。
• type: 二值化类型，常用的有：
  • cv2.THRESH_BINARY: 如果像素值大于阈值，则赋予maxval，否则赋予0。
  • cv2.THRESH_BINARY_INV: 与cv2.THRESH_BINARY相反。
  • cv2.THRESH_TRUNC: 如果像素值大于阈值，则赋予阈值，否则保持不变。
  • cv2.THRESH_TOZERO: 如果像素值大于阈值，则保持不变，否则赋予0。
  • cv2.THRESH_TOZERO_INV: 与cv2.THRESH_TOZERO相反。

2. 二值化的应用场景

二值化常用于图像处理中的以下场景：

• 图像分割：将图像中的前景和背景分离。
• 边缘检测：通过二值化可以更容易地检测到图像的边缘。
• 字符识别：在OCR（光学字符识别）中，二值化可以帮助提取字符。

3. 自适应阈值

在某些情况下，全局阈值可能不适用，此时可以使用自适应阈值。OpenCV提供了cv2.adaptiveThreshold()函数：

binary_image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

• cv2.ADAPTIVE_THRESH_MEAN_C: 使用邻域均值作为阈值。
• cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 使用邻域加权和（高斯核）作为阈值。
• 11: 邻域大小。
• 2: 常数，从均值或加权和中减去。

自适应阈值适用于光照不均匀的图像。