Python使用OpenCV的阈值技术Set-2（自适应阈值）

先决条件：使用OpenCV的简单阈值
【Python使用OpenCV的阈值技术Set-2（自适应阈值）】在里面以前的帖子, 使用不同类型的阈值技术解释了简单阈值。另一种阈值技术是自适应阈值。在” 简单阈值” 中, 使用了全局阈值, 该全局值始终保持不变。因此, 恒定的阈值对于不同区域的光照条件变化无济于事。自适应阈值化是针对较小区域计算阈值的方法。对于照明的变化, 这导致针对不同区域的不同阈值。我们用cv2.adaptiveThreshold为了这。

语法：cv2.adaptiveThreshold(source, maxVal, 自适应方法, thresholdType, 块大小, 常数)
参数：
-> 源：输入图像数组(单通道, 8位或浮点数)
-> maxVal：可以分配的最大值一个像素。
-> adaptiveMethod：自适应方法决定如何计算阈值。 cv2.ADAPTIVE_THRESH_MEAN_C：阈值=(邻域值的平均值–恒定值)。换句话说, 它是一个点的blockSize×blockSize邻域的平均值减去常数。 cv2.ADAPTIVE_THRESH_GAUSSIAN_C：阈值=(邻域值的高斯加权和–常数)。换句话说, 它是点减去常量的blockSize×blockSize邻域的加权和。
-> thresholdType：要应用的阈值类型。
-> blockSize：用于计算阈值的像素邻域的大小。
-> 常数：从附近像素的平均值或加权和中减去的常数值。

以下是Python实现：

# Python program to illustrate # adaptive thresholding type on an image# organizing imports import cv2 import numpy as np # path to input image is specified and # image is loaded with imread command image1 = cv2.imread( 'input1.jpg' ) # cv2.cvtColor is applied over the # image input with applied parameters # to convert the image in grayscale img = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)# applying different thresholding # techniques on the input image thresh1 = cv2.adaptiveThreshold(img, 255 , cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 199 , 5 )thresh2 = cv2.adaptiveThreshold(img, 255 , cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 199 , 5 )# the window showing output images # with the corresponding thresholding # techniques applied to the input image cv2.imshow( 'Adaptive Mean' , thresh1) cv2.imshow( 'Adaptive Gaussian' , thresh2)# De-allocate any associated memory usage if cv2.waitKey( 0 ) & 0xff = = 27 : cv2.destroyAllWindows()

输入图像: