python-3.x - 使用 OpenCv 的阈值？

Question

正如问题所述，我想对我的图像应用双向自适应阈值技术。也就是说，我想找到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常数 c，则将其设置为 255。

以这幅图像为例，作为像素的邻域。需要保留的像素区域是第三个和第六个正方形上半部分（从左到右和从上到下）的较暗区域，以及八个和十二个正方形的上半部分。

显然，这一切都取决于设定的常数值，但理想情况下，与邻域的平均像素值有显着差异的区域将被保留。不过，我可以自己担心调音。

Answer 1

您的问题和评论是矛盾的：保持一切（显着）比邻域的平均值（+/- 常数）更亮/更暗（问题）与保持一切都在平均值 +/- 常数（评论）内。我认为第一个是正确的，我会尽力给出答案。

使用cv2.adaptiveThreshold肯定是有用的；参数化可能很棘手，尤其是在示例图像的情况下。首先，让我们看一下输出：

我们看到，给定图像中的强度值范围很小。第三和第六方格的上半部分与他们的邻居并没有真正的不同。在那里很难找到适当的区别。方块#8 和#12 的上半部分（或方块#10 的下半部分）更有可能被发现。

顶行现在显示更多“全局”参数（blocksize = 151, c = 25），底行显示更多“局部”参数（blocksize = 51, c = 5）。中间列是比邻域更暗的所有内容（就参数而言），右列是比邻域更亮的所有内容。我们看到，在更“全局”的情况下，我们得到了正确的上半部分，但几乎没有“显着”的较暗区域。看，在更“本地”的情况下，我们看到一些较暗的区域，但我们不会找到有问题的完整上半部分/下半部分。那只是因为不同的三角形是如何排列的。

在技​​术方面：您需要两次调用cv2.adaptiveThreshold，一次使用cv2.THRESH_BINARY_INVmode 来找到更暗的东西，一次使用cv2.THRESH_BINARYmode 来找到更亮的东西。此外，您必须为两种不同的情况提供c或-c。

这是完整的代码：

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()

希望能有所帮助——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，如果 abs(mean - image) <= c，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 平均值）计算局部统一平均值（平均值）。如果需要，您可以使用一些加权平均方法，例如高斯平均。然后我计算 abs(mean - image)。然后我使用 Numpy 阈值。注意：您也可以只在 abs(mean-image) 结果上使用一个简单的阈值 (cv2.threshold) 来代替两个 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：