亲宝软件园·资讯

展开

Python灰度切割

Henry_zs 人气:0

1. 介绍

灰度切割:增强特定范围的对比度,突出图像中特定范围的亮度(灰度级分层也叫灰度切割)

实现灰度切割的方法有很多种,但基本的方法就两种,其余的方法都是这两个方法的变体

对应的映射函数为:

灰度切割的特殊使用:阈值处理

将感兴趣的物体从背景中分离出来,也叫二值化处理,是第一种方法的变体

2. 灰度切割代码实现

这次没有采用for循环的方式去遍历每个像素点

x[:,:] > a 代表x所有行所有列中大于a的点的位置会为True,再将结果传入自身的坐标中就能找到满足两个阈值中间的点,将这些点替换为255即可

import cv2
import numpy as np
def transform1(x):
    a , b = 150 , 240    #  定义两个阈值,中间部分变换为255
    dst = x.copy()
    dst[(x[:,:] >= a) & (x[:,:] <= b)] = 255        # 中间变换为255
    dst[(x[:,:] <  a) | (x[:,:] >  b)] = 0          # 其余的变换为0
    return dst
def transform2(x):
    a , b = 150 , 240    #  定义两个阈值,中间部分变换为255
    dst = x.copy()
    dst[(x[:,:] >= a) & (x[:,:] <= b)] = 255     # 中间变换255,其余的不变
    return dst
gray = cv2.imread('./img.png',0)
dst1 = transform1(gray)
dst2 = transform2(gray)
cv2.imshow('img',np.hstack((gray,dst1,dst2)))
cv2.waitKey()
cv2.destroyAllWindows()

输出结果

3. 阈值处理

灰度切割的特殊使用是阈值处理,opencv中包含了threshold函数对图像进行阈值处理

语法如下:retval,dst = cv2.threshold(src , thresh , maxval , type)

ret val(return value):处理时采用的阈值大小

dst :处理后的图像

src : 处理前的图像

maxval(max val):产生二值图像后,阈值处理后输出的值,另一个默认是0。例如小于150的输出0,其余的就是这个maxval(一般是255)

type : 阈值处理的类型,有如下的几种类型

type含义
cv2.THRESH_BINARY二值化阈值处理:超出thresh,为255;否则为0
cv2.THRESH_BINARY_INV反二值化阈值处理:超出thresh,为0;否则为255
cv2.THRESH_TOZERO低于阈值零处理:低于thresh,为0;否则灰度值不变
cv2.THRESH_TOZERO_INV 超出阈值零处理:低于thresh,为255;否则为0
cv2.THRESH_TRUNC(truncate截断)截断阈值处理:超过thresh,为thresh;否则不变

代码:

import cv2
import numpy as np
a = np.arange(0,256).reshape(1,-1).astype(np.uint8) # 0-255
img = cv2.resize(a,(800,100),interpolation=cv2.INTER_AREA)    #  创建渐变图像
ret1,img1 = cv2.threshold(img,200,255,cv2.THRESH_BINARY) # 二值化阈值处理
ret2,img2 = cv2.threshold(img,200,255,cv2.THRESH_BINARY_INV) # 反二值化阈值处理
ret3,img3 = cv2.threshold(img,200,255,cv2.THRESH_TOZERO) # 低于阈值零处理
ret4,img4 = cv2.threshold(img,200,255,cv2.THRESH_TOZERO_INV) # 超出阈值零处理
ret5,img5 = cv2.threshold(img,200,255,cv2.THRESH_TRUNC) # 截断阈值处理
cv2.imshow('img',np.vstack((img,img1,img2,img3,img4,img5)))
cv2.waitKey()
cv2.destroyAllWindows()

处理结果:

加载全部内容

相关教程
猜你喜欢
用户评论