使用OpenCv的阈值？

Question

如问题所述，我想将双向自适应阈值技术应用到我的图像中.也就是说，我想找出邻域中的每个像素值，如果它小于或大于邻域的平均值减去一个常数c，就将其设置为255。

以这张图像为例，作为像素的邻域。需要保留的像素区域是第三和第六正方形上半部(从左到右、从上到下)较暗的区域，以及八个和十二个方块的上半部。

显然，这都取决于设定的常量值，但理想情况下，与邻域的平均像素值明显不同的区域将被保留。不过，我自己也可以担心调音。

​

​

Answer 1

你的问题和评论是相互矛盾的:保持每件事物(显着地)明亮/黑暗，比邻里的平均(+/-常数)(问题)和将一切保持在平均值+/常量(评论)内。我假设第一个答案是正确的，我将尝试给出一个答案。

使用cv2.adaptiveThreshold当然是有用的；参数化可能很棘手，特别是考虑到示例图像。首先，让我们看看输出：

​

​

我们看到，在给定的图像中，强度值的范围很小。第三和第六广场的上半部分和他们的邻里并没有什么不同。那里不太可能找到适当的区别。正方形#8和#12的上半部分(或方格#10的下半部分)更容易被找到。

顶部行现在显示更多的“全局”参数(blocksize = 151，c = 25)，底部行显示更多“本地”参数(blocksize = 51，c = 5)。中间列是比邻里暗的东西(对于参数而言)，右列是比邻里更亮的东西。我们看到，在更“全球”的情况下，我们得到了适当的上半场，但基本上没有“显着”的黑暗区域。看一看，在更“本地”的情况下，我们会看到一些较暗的区域，但我们不会找到完整的上半身/下半身的问题。那只是因为不同的三角形是如何排列的。

在技术方面:您需要两个cv2.adaptiveThreshold调用，一个调用使用cv2.THRESH_BINARY_INV模式来查找更暗的所有内容，另一个调用使用cv2.THRESH_BINARY模式查找更亮的所有内容。另外，您还必须为这两种不同的情况提供c或-c。

下面是完整的代码：

import cv2
from matplotlib import pyplot as plt
from skimage import io          # Only needed for web grabbing images

plt.figure(1, figsize=(15, 10))

img = cv2.cvtColor(io.imread('https://i.stack.imgur.com/dA1Vt.png'), cv2.COLOR_RGB2GRAY)

plt.subplot(2, 3, 1), plt.imshow(img, cmap='gray'), plt.colorbar()

# More "global" parameters
bs = 151
c = 25
img_le = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, bs, c)
img_gt = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, bs, -c)
plt.subplot(2, 3, 2), plt.imshow(img_le, cmap='gray')
plt.subplot(2, 3, 3), plt.imshow(img_gt, cmap='gray')

# More "local" parameters
bs = 51
c = 5
img_le = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, bs, c)
img_gt = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, bs, -c)
plt.subplot(2, 3, 5), plt.imshow(img_le, cmap='gray')
plt.subplot(2, 3, 6), plt.imshow(img_gt, cmap='gray')

plt.tight_layout()
plt.show()

希望这能帮上忙-不知何故！

-----------------------
System information
-----------------------
Python:      3.8.1
Matplotlib:  3.2.0rc1
OpenCV:      4.1.2
-----------------------

Answer 2

另一种看待这个问题的方法是，在abs(均值图像) <= c中，你希望它变成白色，否则你希望它变成黑色。在Python/OpenCV/Scipy/Numpy中，我首先使用统一的51x51像素块平均滤波器(boxcar average)计算局部均匀平均(平均值)。你可以使用一些加权平均方法，如高斯平均，如果你愿意的话。然后我计算abs(平均图像)。然后我用Numpy脱粒机。注意:您也可以使用一个简单的阈值(cv2.阈值)对abs(平均图像)结果代替两个numpy阈值。

输入：

​

​

import cv2
import numpy as np
from scipy import ndimage

# read image as grayscale
# convert to floats in the range 0 to 1 so that the difference keeps negative values
img = cv2.imread('squares.png',0).astype(np.float32)/255.0

# get uniform (51x51 block) average
ave = ndimage.uniform_filter(img, size=51)

# get abs difference between ave and img and convert back to integers in the range 0 to 255
diff = 255*np.abs(ave - img)
diff = diff.astype(np.uint8)

# threshold
# Note: could also just use one simple cv2.Threshold on diff
c = 5
diff_thresh = diff.copy()
diff_thresh[ diff_thresh <= c ] = 255
diff_thresh[ diff_thresh != 255 ] = 0


# view result
cv2.imshow("img", img)
cv2.imshow("ave", ave)
cv2.imshow("diff", diff)
cv2.imshow("threshold", diff_thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

# save result
cv2.imwrite("squares_2way_thresh.jpg", diff_thresh)

结果：

​

​