自学python-opencv(3)超大图像二值化

import  cv2
import numpy as np
def large_image_binary(images):
    #超大图像二值化
    print(images.shape)
    cw=128
    ch=128
    h,w=images.shape[0:2]
    gray=cv2.cvtColor(images,cv2.COLOR_BGR2GRAY)
    for row in range(0,h,ch):
        for col in range (0,w,cw):
            #获取分块
            roi=gray[row:row+ch,col:col+cw]
            print(np.std(roi), np.mean(roi))
            #针对空白图像，不处理，可以提高效率或者去噪
            dev=np.std(roi)
            #小于15的值 过滤成白色
            if dev<15:
                gray[row:row + ch, col:col + cw] = 255
            else:
                #局部阈值也会很清晰
                #dst=cv2.adaptiveThreshold(roi,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,27,22)
                #全局阈值采用这种
                '''
                        并且在cv2.threshold的方法参数中还得加上语句cv2.THRESH_OTSU

                        这里面第三个参数maxval参数表示与THRESH_BINARY和THRESH_BINARY_INV阈值类型一起使用设置的最大值。

                        而我们使用的灰度图像最大则为255，所以设置为255即可

                        THRESH_OTSU最适用于双波峰 THRESH_TRIANGLE最适用于单个波峰，最开始用于医学分割细胞等'''
                ret,dst=cv2.threshold(roi,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU)
                gray[row:row + ch, col:col + cw] = dst
            #np.mean 数组求均值
            #print(np.std(dst),np.mean(dst))
    cv2.imwrite("./images/shufathreshold.png",gray)



print("-----------hi python-------------")
img=cv2.imread("./images/shufa.jpg")
cv2.namedWindow("imput images",cv2.WINDOW_AUTOSIZE)
cv2.imshow("imput images",img)
large_image_binary(img)
cv2.waitKey(0)
cv2.destroyWindow('all')
--------------------------------------------------------------------------------------------

1.可以采用分块方法

2.先缩放处理就行二值化，然后还原大小

 

numpy.mean(a, axis, dtype, out，keepdims )
mean()函数功能：求取均值 
经常操作的参数为axis，以m * n矩阵举例：
axis 不设置值，对 m*n 个数求均值，返回一个实数
axis = 0：压缩行，对各列求均值，返回 1* n 矩阵
axis =1 ：压缩列，对各行求均值，返回 m *1 矩阵
--------------------------
import numpy as np

print(np.std(binary),np.mean(binary))

通过上面获取图像的标准差和平均值，当标准差为0，平均值为255时，代表该区域为空白区域

arr = [1, 2, 3, 4, 5]
 # 均值
np.mean(arr)
# 方差
np.var(arr) 
# 标准差
np.std(arr)
-----------------------------------------------------------------------------------
binary = cv.adaptiveThreshold(roi, 255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY, 127, 20)　　#局部阈值 
-------------------------------------------------------------------------------------
ret,binary = cv.threshold(roi, 0, 255,cv.THRESH_BINARY|cv.THRESH_OTSU)　　#全局阈值 
-----------------------------------------------------------------------------------