計算機視覺應用開發(fā)課件：閾值分割

閾值分割固定閾值分割01任務自適應閾值分割02任務Ostu閾值03任務圖像輪廓04任務學習目標掌握固定閾值分割，自適應閾值分割，Otsu閾值分割基于閾值分割畫出圖像輪廓1固定閾值分割1固定閾值分割固定閾值化分割是一種傳統(tǒng)的最常用的圖像分割方法，因其實現簡單、計算量小、性能較穩(wěn)定而成為圖像分割中最基本和應用最廣泛的分割技術。它特別適用于目標和背景占據不同灰度級范圍的圖像。OpenCV中使用cv2.threshold(src,thresh,maxval,type[,dst])來實現固定閾值分割，其中ret是returnvalue縮寫，代表當前的閾值。函數有4個參數：參數src：要處理的原圖，一般是灰度圖；參數thresh：設定的閾值；參數maxval：最大閾值，一般為255；1固定閾值分割參數type：閾值的方式，dst為目標圖片，包含以下五種類型（cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO、cv2.THRESH_TOZERO_INV）。cv2.THRESH_BINARY：超過閾值部分的，取最大值maxval，否則就是0；cv2.THRESH_BINARY_INV：與BINARY的情況剛剛相反；cv2.THRESH_TRUNC：大于閾值的部分，設置為閾值，否則不變；cv2.THRESH_TOZERO:大于閾值的部分不改變，否則設置為0；cv2.THRESH_TOZERO_INV：TOZERO的反轉。2自適應閾值分割2自適應閾值分割固定閾值是將整幅圖片都應用一個閾值進行分割，它并不適用于明暗分布不均的圖片。自適應閾值分割通俗地講就是圖片的每個局部都會通過處理得到一個閾值，這個區(qū)域就用這個閾值來進行分割。每個區(qū)域都有不同的閾值來處理，這樣就適用于處理顏色分布不均的圖片。OpenCV中使用cv2.adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C,dst=None)自適應閾值方法每次取圖片的小部分來計算閾值，這樣圖片不同區(qū)域的閾值就不盡相同。其函數的參數分別為：參數src：要處理的原圖；參數maxValue：最大閾值，一般為255；2自適應閾值分割參數adaptiveMethod：小區(qū)域閾值的計算方式（ADAPTIVE_THRESH_MEAN_C：小區(qū)域內取均值，ADAPTIVE_THRESH_GAUSSIAN_C：小區(qū)域內加權求和，權重是高斯核）；參數thresholdType：閾值方式；參數blockSize：小區(qū)域的面積，如11就是11×11的小塊；參數C：每個鄰域計算出的值需要再減去c得到閾值；參數dst：最終閾值等于小區(qū)域計算出的閾值再減去此值。3Ostu閾值分割3Ostu閾值在前面固定閾值中選取了一個閾值為127進行閾值分割，那如何知道選的這個閾值效果好不好呢？答案是：不斷嘗試，所以這種方法在很多文獻中都被稱為經驗閾值。Otsu閾值法就提供了一種自動高效的二值化方法。Otsu算法也稱最大類間差法，有時也稱之為大津算法，由大津于1979年提出，被認為是圖像分割中閾值選取的最佳算法。其算法計算簡單，不受圖像亮度和對比度的影響，因此在數字圖像處理上得到了廣泛的應用。它是按圖像的灰度特性，將圖像分成背景和前景兩部分。因方差是灰度分布均勻性的一種度量，背景和前景之間的類間方差越大，說明構成圖像的兩部分的差別越大，當部分前景錯分為背景或部分背景錯分為前景都會導致兩部分差別變小。因此，使類間方差最大分割意味著錯分概率最小。Otsu閾值分割方法，選擇使得類間方差最大的值作為閾值，設圖像的歸一化直方圖為p，亮度階為k（例如元素值取0~255，則k=256），則設3Ostu閾值Otsu閾值分割方法，選擇使得類間方差最大的值作為閾值，設圖像的歸一化直方圖為p，亮度階為k（例如元素值取0~255，則k=256），則設

，，，期望為，，，則類間方差為4圖像輪廓4圖像輪廓圖像閾值分割主要是針對圖片的背景和前景進行分離，而圖像輪廓也是圖像中非常重要的一個特征信息，通過對圖像輪廓的操作，就能獲取目標圖像的大小、位置、方向等信息。畫出圖像輪廓的基本思路是：先用閾值分割劃分為兩類圖像，再去尋找輪廓。OpenCV中使用cv2.findContours(image,mode,method)函數來尋找圖像輪廓，其中參數image、mode、method分別為輸入的圖像、輪廓搜索模式（決定了輪廓的提取方式）、輪廓近似方法（決定了如何表達輪廓）。mode輪廓的檢索模式有：cv2.RETR_EXTERNAL表示只檢測外輪廓；cv2.RETR_LIST表示檢測的輪廓不建立等級關系；cv2.RETR_CCOMP表示建立兩個等級的輪廓，上面的一層為外邊界，里面的一層為內孔的邊界信息。如果內孔內還有一個連通物體，這個物體的邊界也在頂層；cv2.RETR_TREE表示建立一個等級樹結構的輪廓。4圖像輪廓method輪廓的近似辦法有：cv2.CHAIN_APPROX_NONE表示存儲所有的輪廓點，相鄰的兩個點的像素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1；cv2.CHAIN_APPROX_SIMPLE表示壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點坐標，例如一個矩形輪廓只需4個點來保存輪廓信息；cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS表示使用teh-Chinlchain近似算法。4圖像輪廓cv2.findContours()函數的輸出信息contours、hierarchy分別為返回的輪廓和圖像的拓撲信息（輪廓層次）。如果想要顯示出圖像輪廓，還需要使用OpenCV中的cv2.drawContours(image,contours,contourIdx,color,thickness=No