[OpenCV筆記] 4. 常見Threshold (閾值)設定

1.設定值處理

常見的設定值方法，條列如下：

• 二值化處理 (cv2.THRESH_BINARY)
• 反二值化處理 (cv2.THRESH_BINARY_INV)
• 截斷設定值化處理 (cv2.THRESH_TRUNC)
• 超設定值零處理 (cv2.THRESH_TOZERO_INV)
• 低設定值零處理 (cv2.THRESH_TOZERO)

也有自我調整設定值處理，如以下2種方法：

• 均值法 (cv2.ADAPTIVE_THRESH_MEAN_C)
• 高斯法 (cv2.ADAPTIVE_THRESH_GAUSSIAN_C)

在某些情況，像素值分布不均勻，不容易找到合適的設定值。因此，可以使用Otsu法來尋找最佳的設定值。

相關方法的重點，說明如下。

1.1. 二值化處理 (cv2.THRESH_BINARY)

retval_BINARY, img_BINARY = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) 

• 輸出：retval_BINARY,為回傳的設定值、img_BINARY為輸出影像 
• 參數：img為輸入影像、127的位置為設定值、255的位置為滿足條件後轉換的值、cv2.THRESH_BINARY的位置為分割的類型

二值化處理：大於設定值的像素值設為255，其他像素值為0。

效果如下圖：

<source：Greatway9999>

1.2. 反二值化處理 (cv2.THRESH_BINARY_INV)

retval_BINARY_INV , img_BINARY_INV = cv2.threshold(img, 127, 255, cv2.THRESH_BINARYcv2.THRESH_BINARY_INV) 

• 輸出：retval_BINARY_INV為回傳的設定值、img_BINARY_INV為輸出影像 
• 參數：img為輸入影像、127的位置為設定值、255的位置為滿足條件後轉換的值、cv2.THRESH_BINARY_INV的位置為分割的類型

反二值化處理：大於設定值的像素值設為0，其他像素值為255。

效果如下圖：

<source：Greatway9999>

1.3. 截斷設定值化處理 (cv2.THRESH_TRUNC)

retval_TRUNC , img_TRUNC = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC) 

• 輸出：retval_TRUNC為回傳的設定值、img_TRUNC為輸出影像 
• 參數：img為輸入影像、127的位置為設定值、255的位置為滿足條件後轉換的值、cv2.THRESH_TRUNC的位置為分割的類型

截斷設定值化處理：大於設定值的像素值設為255，其他像素值保持原數值。

效果如下圖：

<source：Greatway9999>

1.4. 超設定值零處理 (cv2.THRESH_TOZERO_INV)

retval_TOZERO_INV , img_TOZERO_INV = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV) 

• 輸出：retval_TOZERO_INV為回傳的設定值、img_TOZERO_INV為輸出影像 
• 參數：img為輸入影像、127的位置為設定值、255的位置為滿足條件後轉換的值、cv2.THRESH_TOZERO_INV的位置為分割的類型

超設定值零處理：大於設定值的像素值設為0，其他像素值保持原數值。

效果如下圖：

<source：Greatway9999>

1.5. 低設定值零處理 (cv2.THRESH_TOZERO)

retval_TOZERO , img_TOZERO = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO) 

• 輸出：retval_TOZERO為回傳的設定值、img_TOZERO為輸出影像 
• 參數：img為輸入影像、127的位置為設定值、255的位置為滿足條件後轉換的值、cv2.THRESH_TOZERO的位置為分割的類型

低設定值零處理：大於設定值的像素值保持不變，其他像素值設為0。

效果如下圖：

<source：Greatway9999>

1.6. 自我調整設定值處理

計算每個像素周圍鄰近區域的加權平均值獲得設定值，藉此對目前像素值進行處理。

dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

輸出：dst為輸出影像

參數：

• src為輸入影像。
• maxValue為最大值。
• adaptiveMethod為自我調整的方法。
• thresholdType為設定值處理方式，必須為 cv2.THRESH_BINARY 或 cv2.THRESH_BINARY_INV。
• blocksize為塊大小，表示一個像素在其設定值時所使用的鄰域尺寸，通常為3、5、7。
• C為常數。

1.6.1. 均值法 (cv2.ADAPTIVE_THRESH_MEAN_C)

img_Adaptive_MEAN = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 3, 3)

效果如下圖：

<source：Greatway9999>

1.6.2. 高斯法 (cv2.ADAPTIVE_THRESH_GAUSSIAN_C)

img_Adaptive_GAUSSIAN = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 3, 3)

效果如下圖：

<source：Greatway9999>

1.7. 求最佳類別間分割設定值

retval_OTSU, img_OTSU = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) 

輸出：

• retval為最佳設定值 (本例為117)
• dst為輸出影像

參數：

• img為輸入影像
• 0的位置為設定值(必設為0，程式會自動搜索最佳值)
• 255的位置為滿足條件後轉換的值
• cv2.THRESH_BINARY的位置為分割的類型(但使用Otsu方法，要加上cv2.THRESH_OTSU)

1.8. 各種設定值輸出 & 完整程式 

<source：Greatway9999>

#Common Types of Threshold

import numpy as np

import cv2

img = cv2.imread('Lenna.jpg', cv2.IMREAD_GRAYSCALE)

#retval, dst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) 

# 輸出：retval為回傳的設定值、dst為輸出影像 

# 參數：img為輸入影像、127的位置為設定值、255的位置為滿足條件後轉換的值、cv2.THRESH_BINARY的位置為分割的類型

retval_BINARY, img_BINARY = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) 

#二值化處理，大於設定值的像素值設為255，其他像素值為0

retval_BINARY_INV , img_BINARY_INV = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV) 

#反二值化處理，大於設定值的像素值設為0，其他像素值為255

retval_TRUNC , img_TRUNC = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC) 

#截斷設定值化處理，大於設定值的像素值設為255，其他像素值保持原數值

retval_TOZERO_INV , img_TOZERO_INV = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV) 

#超設定值零處理，大於設定值的像素值設為0，其他像素值保持原數值

retval_TOZERO , img_TOZERO = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO) 

#低設定值零處理，大於設定值的像素值保持不變，其他像素值設為0

#自我調整設定值處理，計算每個像素周圍鄰近區域的加權平均值獲得設定值，藉此對目前像素值進行處理

# dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

# 輸出：dst為輸出影像

# 參數：src為輸入影像、maxValue為最大值、adaptiveMethod為自我調整的方法、

# thresholdType為設定值處理方式，必須為 cv2.THRESH_BINARY 或 cv2.THRESH_BINARY_INV

# blocksize為塊大小，表示一個像素在其設定值時所使用的鄰域尺寸，通常為3、5、7。

# C為常數

img_Adaptive_MEAN = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 3, 3)

#ADAPTIVE_THRESH_MEAN

img_Adaptive_GAUSSIAN = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 3, 3)

#ADAPTIVE_THRESH_GAUSSIAN

#求最佳類別間分割設定值

retval_OTSU, img_OTSU = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) 

# 輸出：retval為最佳設定值、dst為輸出影像

# 參數：img為輸入影像、0的位置為設定值(必設為0，程式會自動搜索最佳值)、255的位置為滿足條件後轉換的值、cv2.THRESH_BINARY的位置為分割的類型(但使用Otsu方法，要加上cv2.THRESH_OTSU)

cv2.imshow('img_BINARY', img_BINARY)

cv2.imshow('img_BINARY_INV', img_BINARY_INV)

cv2.imshow('img_TRUNC', img_TRUNC)

cv2.imshow('img_TOZERO_INV', img_TOZERO_INV)

cv2.imshow('img_TOZERO', img_TOZERO)

cv2.imshow('img_Adaptive_MEAN', img_Adaptive_MEAN)

cv2.imshow('img_Adaptive_GAUSSIAN', img_Adaptive_GAUSSIAN)

print('Best Threshold=',retval_OTSU)

cv2.imshow('img_OTSU', img_OTSU)

cv2.waitKey()

cv2.destroyAllWindows()

#閾值 #Threshold

---

參考資料：

• OpenCV-Python Tutorials