二值化黑白图像

这篇教学会介绍如何运用 OpenCV 里的 threshold() 方法，将图像上转换为二值化的黑白图像，进一步使用 adaptiveThreshold() 自适应二值化的方法，产生效果更好的黑白图像。

快速导览：

• 什么是二值化 ( 阈值二进制 )？
• threshold() 产生黑白图像
• adaptiveThreshold() 自适应二值化
• 影片的二值化黑白效果

因为程序中的 OpenCV 会需要使用镜头或 GPU，所以请使用本机环境 ( 参考：使用 Python 虚拟环境 ) 或使用 Anaconda Jupyter 进行实作 ( 参考：使用 Anaconda ) ，并安装 OpenCV 函数库 ( 参考：OpenCV 函数库 )。

什么是二值化 ( 阈值二进制 )？

二值化又称为“阈值二进制”( 阈发音 ㄩ、 )，是一种简单的图像分割方法，二值化会根据“阈值”( 类似临界值 ) 进行转换，例如某个像素的灰度值大于阈值，则转换为黑色，如果这个像素的灰度小于阈值则转换为白色，进而实现二值化的转换效果，经过二值化转换的图片，通常只会剩下黑和白两个值。

许多图像辨识或图像处理的领域 ( 例如轮廓侦测、边缘侦测...等 )，都会使用二值化图像进行运算，有些图像处理甚至会先将图片二值化后，再进行后续的计算处理。

threshold() 产生黑白图像

threshold() 方法可以将灰阶的图像，以二值化的方式转换成黑白图像，使用方法如下：

ret, output = cv2.threshold(img, thresh, maxval, type)
# ret 是否成功轉換，成功會顯示閾值
# output 轉換後的影像
# img 來源影像
# thresh 閾值，通常設定 127
# maxval 最大灰度，通常設定 255
# type 轉換方式

threshold() 方法有下列几种转换方式，使用 127 和 255 作为说明范例 ( 参考 cv::ThresholdTypes )：

下方的程序执行后，会将一张黑白渐层的图片，根据不同的转换方式，转换成二值化的黑白图片 ( 注意，转换前都要先将图片转换成灰阶色彩 )。

范例图片：下载链接

import cv2
img = cv2.imread('gradient.png')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY); # 轉換前，都先將圖片轉換成灰階色彩
ret, output1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)     # 如果大於 127 就等於 255，反之等於 0。
ret, output2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV) # 如果大於 127 就等於 0，反之等於 255。
ret, output3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)      # 如果大於 127 就等於 127，反之數值不變。
ret, output4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)     # 如果大於 127 數值不變，反之數值等於 0。
ret, output5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV) # 如果大於 127 等於 0，反之數值不變。

cv2.imshow('oxxostudio', img)
cv2.imshow('oxxostudio1', output1)
cv2.imshow('oxxostudio2', output2)
cv2.imshow('oxxostudio3', output3)
cv2.imshow('oxxostudio4', output4)
cv2.imshow('oxxostudio5', output5)
cv2.waitKey(0)    # 按下任意鍵停止
cv2.destroyAllWindows()

adaptiveThreshold() 自适应二值化

使用 threshold() 方法转换灰阶的图像时，必须手动设定灰度和阈值，比较适合内容较单纯的图像，如果遇到内容比较复杂的图像，每个像素间可能都有关连性，这时就可以使用 adaptiveThreshold() 方法，进行自适应二值化的转换，自适应二值化可以根据指定大小的区域平均值，或是整体图像的高斯平均值，判断所需的灰度和阈值，进而产生更好的转换效果。

adaptiveThreshold() 的使用方法如下：

cv2.adaptiveThreshold(img, maxValue, adaptiveMethod, thresholdType, blockSize, C)
# img 來源影像
# maxValue 最大灰度，通常設定 255
# adaptiveMethod 自適應二值化計算方法
# thresholdType 二值化轉換方式
# blockSize 轉換區域大小，通常設定 11
# C 偏移量，通常設定 2

使用时 thresholdType 为二值化转换方式，可以参考上方转换方式列表，adaptiveMethod 自适应二值化计算方法有两种，分别是：

下方的程序执行后，会将一张数独的照片，根据不同的自适应二值化转换方式，转换成黑白图片 ( 注意，转换前都要先将图片转换成灰阶色彩 )。

范例图片：下载链接

import cv2
img = cv2.imread('test.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY); # 轉換前，都先將圖片轉換成灰階色彩
ret, output1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
output2 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
output3 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

cv2.imshow('oxxostudio', img)
cv2.imshow('oxxostudio1', output1)
cv2.imshow('oxxostudio2', output2)
cv2.imshow('oxxostudio3', output3)
cv2.waitKey(0)
cv2.destroyAllWindows()

如果要降低图片的噪声，可以使用 cv2.medianBlur() 先将图片模糊化，下方的范例可以看见有模糊化和没有模糊化的差异：

参考：图像模糊化

import cv2
img = cv2.imread('test.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY);
output1 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
img_gray2 = cv2.medianBlur(img_gray, 5)   # 模糊化
output2 = cv2.adaptiveThreshold(img_gray2, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

cv2.imshow('oxxostudio1', output1)
cv2.imshow('oxxostudio2', output2)
cv2.waitKey(0)
cv2.destroyAllWindows()

影片的二值化黑白效果

延伸“读取并播放影片”文章的范例，在程序码中使用自适应二值化方法，就能将电脑镜头拍摄的画面，即时转换成二值化黑白的图像。

import cv2
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("Cannot open camera")
    exit()
while True:
    ret, frame = cap.read()
    if not ret:
        print("Cannot receive frame")
        break
    # 套用自適應二值化黑白影像
    img_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY);
    img_gray = cv2.medianBlur(img_gray, 5)
    output = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    cv2.imshow('oxxostudio', output)
    if cv2.waitKey(1) == ord('q'):
        break       # 按下 q 鍵停止
cap.release()
cv2.destroyAllWindows()

参考数据

• https://docs.opencv.org/4.x/d7/d4d/tutorial_py_thresholding.html

意见反馈