[OpenCV基礎][Python]二值化影像

二值化影像在數位影像表示中，僅包含0與1的值。

在什麼情境下會用到二值化影像呢?，在影像處理中，我們想要求一些特定的數值，例如圓的直徑，或物體的尺寸，等等。

二值化影像圖

黑為0，白為1

二值化影像(黑代表0，白代表1)

常用的應用如下：

1. 物體檢測和分割： 在許多計算機視覺應用中，我們可能需要檢測並分割圖像中的物體。二值化可以幫助我們將物體和背景區分開來，從而進行後續的分析和識別。
2. 邊緣檢測： 二值化可以用於強調圖像中的邊緣。這對於檢測物體的外形或進行邊緣檢測算法的應用很有用。
3. 圖像分析和測量： 在進行圖像分析時，我們可能需要測量特定區域的大小、形狀等特徵。二值化可以使這些特徵更加突顯，便於進行測量和分析。
4. 文檔辨識： 在文檔辨識和文字提取中，常常使用二值化影像來清晰地區分文字和背景，使得後續的文字識別更加準確。

二值化語法

cv2.threshold是OpenCV 中用於影像二值化的函式

retval, threshold_image = cv2.threshold(src, thresh, maxval, type[, dst])

• src: 輸入的灰度影像，即要進行二值化處理的原始影像。
• thresh: 二值化的閾值，超過這個閾值的像素值將被分為高於閾值或低於閾值的兩個類別，具體取值根據不同的應用需求。
• maxval: 超過閾值的像素值將被賦予的新值，通常是最大值，例如 255（白色）。
• type: 二值化操作的類型，有不同的選項，例如：
• • cv2.THRESH_BINARY: 大於閾值的像素賦予 maxval，小於閾值的像素賦予 0。
  • cv2.THRESH_BINARY_INV: 與 cv2.THRESH_BINARY 相反，大於閾值的像素賦予 0，小於閾值的像素賦予 maxval。
  • cv2.THRESH_TRUNC: 大於閾值的像素賦予閾值，小於閾值的像素保持不變。
  • cv2.THRESH_TOZERO: 大於閾值的像素保持不變，小於閾值的像素賦予 0。
  • cv2.THRESH_TOZERO_INV: 與 cv2.THRESH_TOZERO 相反，大於閾值的像素賦予 0，小於閾值的像素保持不變。
• dst（選用）: 輸出的二值化影像。如果未提供，則函數會修改 src 本身。

程式範例

在這個例子中，我們使用 cv2.THRESH_BINARY 進行二值化，閾值 thresh_value 為 128，大於 128 的像素賦予 255（白色），小於等於 128 的像素賦予 0（黑色）。

import cv2

# 讀取灰度影像
image = cv2.imread('path/to/your/image.jpg', cv2.IMREAD_GRAYSCALE)

# 二值化
thresh_value = 128
_, binary_image = cv2.threshold(image, thresh_value, 255, cv2.THRESH_BINARY)

# 顯示原始影像和二值化後的影像
cv2.imshow('Original Image', image)
cv2.imshow('Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

灰階二值化後

自動選擇閾值

Otsu's 方法是一種自動計算二值化閾值的算法，它基於影像的灰度分佈，試圖找到一個最佳的閾值，以最大程度地區分前景和背景。

cv2.THRESH_OTSU 被用於 cv2.threshold 函數的 type 參數中。這樣，閾值 thresh 的值將根據 Otsu's 方法自動計算

# 使用 Otsu's 方法進行自動二值化
_, binary_image = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

在使用 cv2.THRESH_OTSU 時，你無需手動指定閾值 thresh，而是將 thresh 參數設為 0。cv2.threshold 函數會根據 Otsu's 方法計算最適合的閾值。

自動選擇閥值比較圖

在某些情境中，自動選擇閥值可以得到一個不錯的二值化結果圖