二值化

設定值處理式指剃除影像內像素高於或低於一定值的像素點。例如我們設定設定值為100，然後：

• 將影像內所有像素值大於100的像素點的值設為255。

• 將影像內所有像素值小於等於100的像素點的值設為0。

透過上述方式能夠獲得一幅二值影像，可將一幅灰階影像處理為一幅二值影像，有效地實現前後景的分離。

cv2.threshold()函數可進行設定值化處理

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

• retval代表傳回的設定值。

• dst代表設定值分割結果影像，與原始影像具有相同的大小和類型。

• src代表要進行設定值分割的影像。

• thresh代表要設定的設定值

• maxval代表當type參數為THRESH_BINARY或THRESH_BINARY_INV類型時，需要設定的最大值。

• type代表設定值分割的類型。

對於色彩均衡的影像，直接使用一個設定值便能完成設定值化處理，但有時影像色彩不均衡，如只使用一個設定值就無法獲得有效的設定值分割結果影像。

自我調整設定值處理：在設定值處理時，透過計算每個像素點周圍的加權平均值獲得設定值，並使用該設定值對目前像素點進行處理。

OpenCV提供了函數cv2.adaptiveThreshold()來實現自我調整設定值處理

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

• dst為自我調整設定值處理結果。

• src代表要進行處理的原始影像。

• maxValue代表最大值。

• adaptiveMethod代表自我調整方法

• thresholdType代表設定值處理方式，該值必須為cv2.THRESH_BINARY或cv2.THRESH_BINARY_INV中。

• blockSize代表塊大小，表示一個像素在計算其設定值時所使用的臨域尺寸。

• C為常數。

函數cv2.adaptiveThreshold()根據參數adaptiveMethod來確定自我調整設定值的計算方法，有以下兩種：

• cv2.ADAPTIVE_THRESH_MEAN_C：鄰近所有像素點的加權值是一致的。

• cv2.ADAPTIVE_THRESH_GAUSSIAN_C：與臨域各個像素點到中心點的距離有關，透過高斯方程式獲得各個點的加權值。

athdMEAN = cv2.adaptiveThreshold(img ,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,5,3)

athdGAUS = cv2.adaptiveThreshold(img ,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)

在使用cv2.threshold()進行設定值處理時，需要自訂一個設定值，而Otsu能夠根據目前影像列出最佳的類別間分割設定值，簡單來說，Otsu方法會檢查所有可能設定值，並找到最佳解！

在OpenCV中，透過在函數cv2.threshold()中對參數type的類型多傳遞一個參數"cv2.THRESH_OTSU"即可實現Otsu設定值分割。

在使用Otsu方法時，需把設定值設為0，此時的函數cv2.threshold()會自動尋找最佳設定值，並將該設定值傳回。

與普通設定值分割的不同之處在於：

• 參數type增加了一個參數值"cv2.THRESH_OTSU"。

• 設定值需為0

• 傳回直t是Otsu方法計算獲得並使用的最佳設定值。