先來看看今天的結果圖

-> 此篇文章的程式碼 github

Day19_自適應圖片二值化_adaptiveThreshold.ipynb

前言

花式修圖的這個系列...
主要會講的是一些比進階再更進階的內容，
會有比較多冷門的功能，或是更難的演算法。

OpenCV 的圖片自適應二值化，產生更好效果的黑白圖片！

# 先將圖片轉為灰階
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 

# 將圖片做模糊化，可以降噪
blur_img = cv2.medianBlur(img,5) 

# 一般圖二值化(未模糊降噪)
ret, th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)

# 一般圖自適應平均二值化(未模糊降噪)
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,11,2)
        
# 一般圖自適應高斯二值化(未模糊降噪)
th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,2)
        
# 一般圖二值化(有模糊降噪)
ret, th4 = cv2.threshold(blur_img,127,255,cv2.THRESH_BINARY)

# 一般圖算術平均法的自適應二值化(有模糊降噪)
th5 = cv2.adaptiveThreshold(blur_img,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,11,2)
        
# 一般圖高斯加權均值法自適應二值化(有模糊降噪)      
th6 = cv2.adaptiveThreshold(blur_img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,2)

什麼是 自適應二值化

我們先來討論什麼是 自適應的二值化，
一般的 二值化 我們只會考慮單一點的值，直接去做閥值分析，
但一張圖片的「每個鄰近的像素都是彼此有關連的」。

如果單純只針對單一個點去看，似乎失去了對整張圖相鄰點的考慮，
因此 自適應二值化 就是在幫助我們找到單一點與鄰近區域的關係。

自適應二值化的算法

cv2.adaptiveThreshold 能夠幫助我們將一張圖片做自適應的二值化，
自適應的二值化又分為

• 算術平均法的自適應二值化: cv2.ADAPTIVE_THRESH_MEAN_C，取的是「區域平均值」
• 高斯加權均值法自適應二值化: cv2.ADAPTIVE_THRESH_GAUSSIAN_C，
  取的是「高斯平均值」(高斯分佈)

cv2.adaptiveThreshold 函數形式

cv2.adaptiveThreshold(image, 255, 自適應二值化算法, 閥值類型, 參考局部大小, 偏移量)

• image: 輸入圖片
• 自適應二值化算法: 可使用 cv2.ADAPTIVE_THRESH_MEAN_C 和 cv2.ADAPTIVE_THRESH_GAUSSIAN_C
• 閥值類型: 可使用 THRESH_BINARY 和 THRESH_BINARY_INV，
  看是超過閥值要「黑白」還是「白黑」。
• 參考局部大小: 就是參考區域的大小
• 偏移量: 微調用的參數

自適應二值化 搭配模糊降噪，能有更好的效果

通常在做 自適應二值化 之前，我們都會先將圖片做模糊化，
能夠達到降噪的效果，看下圖結果的圖片應該能很明顯地分得出差別。

(文章內容中，我們使用 cv2.medianBlur 來做模糊降噪的示範。)

Reference

https://blog.csdn.net/on2way/article/details/46812121

https://blog.csdn.net/weixin_40647819/article/details/90213858?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

https://blog.csdn.net/qq_37385726/article/details/82017177

https://www.twblogs.net/a/5b8c1ba02b717718833082e1