11# -*- coding: utf-8 -*-
2+ '''
3+ Otsu's 二值化
4+
5+ 在第一 分中我们提到 retVal 当我们使用 Otsu 二值化时会用到它。 么它到底是什么呢
6+ 在使用全局 值时 我们就是 便给了一个数来做 值 我们怎么知 我们 取的 个数的好坏呢?
7+ 答案就是不停的尝 。
8+ 如果是一副双峰图像 ,简 单来 双峰图像是指图像直方图中存在两个峰 呢 ?
9+ 我们岂不是应 在两个峰 之 的峰 一个值作为阈值 。
10+ 就是 Otsu 二值化 做的。
11+ 简单来说,就是对一副双峰图像自动根据其直方图计算出一个阈值。
12+ 对于非双峰图像 这 种方法 得到的结果可能会不理想 。
13+
14+ 这里 用到的函数 是 cv2.threshold() 但是 需要多传入一个参数 flag cv2.THRESH_OTSU。
15+ 这时 把 值 为 0。然后算法会找到最 优阈值 ,这 个最优 值就是 回值 retVal。
16+ 如果不使用 Otsu 二值化 返回的retVal 值与 设定的 阈值相等。
17+
18+ 下 的例子中 输入图像是一副带有噪声的图像。
19+ 第一种方法 我们 设127 为全局 阈值。
20+ 第二种方法 我们直接使用 Otsu 二值化。
21+ 第三种方法 我 们 先使用一个 5x5 的 高斯核 去噪 然后再使用 Otsu 二值化。
22+ 看看噪音 去除对结果的影响有多大吧。
23+ '''
24+ 225import cv2
326import numpy as np
427from matplotlib import pyplot as plt
528
6- img = cv2 .imread ('noisy2.png' ,0 )
29+ img = cv2 .imread ('noisy2.png' ,0 )
730# global thresholding
8- ret1 ,th1 = cv2 .threshold (img ,127 ,255 ,cv2 .THRESH_BINARY )
31+ ret1 ,th1 = cv2 .threshold (img ,127 ,255 ,cv2 .THRESH_BINARY )
932# Otsu's thresholding
10- ret2 ,th2 = cv2 .threshold (img ,0 ,255 ,cv2 .THRESH_BINARY + cv2 .THRESH_OTSU )
33+ ret2 , th2 = cv2 .threshold (img , 0 , 255 , cv2 .THRESH_BINARY + cv2 .THRESH_OTSU )
34+ 1135# Otsu's thresholding after Gaussian filtering
1236# 5,5 为 斯核的大小 0 为标准差
13- blur = cv2 .GaussianBlur (img ,(5 ,5 ),0 )
14- #阀值一定为 0
15- ret3 ,th3 = cv2 .threshold (blur ,0 ,255 ,cv2 .THRESH_BINARY + cv2 .THRESH_OTSU )
37+ blur = cv2 .GaussianBlur (img , (5 , 5 ), 0 )
38+ # 阀值一定为 0
39+ ret3 , th3 = cv2 .threshold (blur , 0 , 255 , cv2 .THRESH_BINARY + cv2 .THRESH_OTSU )
40+ 1641# plot all the images and their histograms
1742images = [img , 0 , th1 ,
18- img , 0 , th2 ,
19- blur , 0 , th3 ]
20- titles = ['Original Noisy Image' ,'Histogram' ,'Global Thresholding (v=127)' ,
21- 'Original Noisy Image' ,'Histogram' ,"Otsu's Thresholding" ,
22- 'Gaussian filtered Image' ,'Histogram' ,"Otsu's Thresholding" ]
23- #使用了 pyplot 中画直方图的方法 plt.hist,
24- #注意的是它的参数是一维数组
43+ img , 0 , th2 ,
44+ blur , 0 , th3 ]
45+ titles = ['Original Noisy Image' ,'Histogram' ,'Global Thresholding (v=127)' ,
46+ 'Original Noisy Image' ,'Histogram' ,"Otsu's Thresholding" ,
47+ 'Gaussian filtered Image' ,'Histogram' ,"Otsu's Thresholding" ]
48+ #使用了 pyplot 中画直方图的方法 plt.hist,
49+ #注意的是它的参数是一维数组
2550# 所以使用了 numpy ravel 方法 将多维数组 换成一维 也可以使用 flatten 方法
26- #ndarray.flat 1-D iterator over an array.
27- #ndarray.flatten 1-D array copy of the elements of an array in row-major order.
28- for i in xrange (3 ):
29- plt .subplot (3 ,3 ,i * 3 + 1 ),plt .imshow (images [i * 3 ],'gray' )
30- plt .title (titles [i * 3 ]), plt .xticks ([]), plt .yticks ([])
31- plt .subplot (3 ,3 ,i * 3 + 2 ),plt .hist (images [i * 3 ].ravel (),256 )
32- plt .title (titles [i * 3 + 1 ]), plt .xticks ([]), plt .yticks ([])
33- plt .subplot (3 ,3 ,i * 3 + 3 ),plt .imshow (images [i * 3 + 2 ],'gray' )
34- plt .title (titles [i * 3 + 2 ]), plt .xticks ([]), plt .yticks ([])
35- plt .show ()
51+ # ndarray.flat 1-D iterator over an array.
52+ # ndarray.flatten 1-D array copy of the elements of an array in row-major order.
53+ 54+ for i in range (3 ):
55+ plt .subplot (3 , 3 , i * 3 + 1 ), plt .imshow (images [i * 3 ], 'gray' )
56+ plt .title (titles [i * 3 ]), plt .xticks ([]), plt .yticks ([])
57+ plt .subplot (3 , 3 , i * 3 + 2 ), plt .hist (images [i * 3 ].ravel (), 256 )
58+ plt .title (titles [i * 3 + 1 ]), plt .xticks ([]), plt .yticks ([])
59+ plt .subplot (3 , 3 , i * 3 + 3 ), plt .imshow (images [i * 3 + 2 ], 'gray' )
60+ plt .title (titles [i * 3 + 2 ]), plt .xticks ([]), plt .yticks ([])
61+ plt .show ()
0 commit comments