先來看看今天的結果圖
比較 OpenCV 的不同 「Threshold算法」
「Otsu’s Threshold 大津二值化」
-> 此篇文章的程式碼 github
Day20-1_大津二值化_Otsu_threshold.ipynb
Day20-2_二值化大全_Threshold_collection.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。
「Otsu’s Threshold 大津二值化」 是什麼
「Otsu’s Threshold 大津二值化」，他用來幫助我們解決「手動設定閥值的選值困擾」，
我們透過 「Otsu’s Threshold」 演算法，能夠「自動找出最佳的閥值」。
圖片示例：
(引用自：https://scikit-image.org/docs/0.13.x/auto_examples/xx_applications/plot_thresholding.html)
參考右下角的圖片，我們自動找到了最佳閥值後，再進行二值化。
「Otsu’s Threshold 大津二值化」，自動計算最佳閥值
# 先將圖片轉為灰階
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# global thresholding
ret1,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
# Otsu's thresholding
ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# Otsu's thresholding after Gaussian filtering
blur = cv2.GaussianBlur(img,(5,5),0)
ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
我們看一下效果：
我們可以發現在未做 「Otsu’s Threshold」 的 histogram 中，
「「0的比例」」遠遠比有做 「Otsu’s Threshold」 還高，
從結果圖中我們也能發現這點，
如果我們只是單純要「提取人像」，
很明顯地透過 「Otsu’s Threshold」 給了我們一個更好的答案。
「Otsu’s Threshold」 的算法
重點程式碼也是一行，而有時我們也會先搭配模糊的方法先進行降噪。
ret, th = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
比較 OpenCV 的各種 「Threshold算法」
這裡就是這幾天文章的總整理啦~~~
【沒錢ps,我用OpenCV!】Day 18 - 進階修圖5，運用 OpenCV 做圖片二值化，產生黑白的圖片吧！cv2.threshold 各種選擇參數大全
【沒錢ps,我用OpenCV!】Day 19 - 花式修圖1，OpenCV 的圖片自適應二值化，產生更好效果的黑白圖片！cv2.adaptiveThreshold
【沒錢ps,我用OpenCV!】Day 20 - 花式修圖2，OpenCV 的 Threshold 方法整理，Otsu’s Threshold 大津二值化，自動計算最佳閥值，做出最好的黑白效果圖片！
結果總圖： 大家可以自己比較不同 「Threshold算法」，選出自己最喜歡的效果哦！
【沒錢ps,我用OpenCV!】Day 20 - 花式修圖2，OpenCV 的各種 Threshold 方法整理，Otsu’s Threshold 大津二值化，自動計算最佳閥值，做出最好的黑白效果圖！
本文同步發佈在: 第 12 屆 iT 邦幫忙鐵人賽
Reference
https://zh.wikipedia.org/wiki/%E5%A4%A7%E6%B4%A5%E7%AE%97%E6%B3%95
http://scipy-lectures.org/packages/scikit-image/auto_examples/plot_threshold.html
https://docs.opencv.org/master/d7/d4d/tutorial_py_thresholding.html
http://gwang-cv.github.io/2017/08/25/python+opencv%E5%9B%BE%E5%83%8F%E4%BA%8C%E5%80%BC%E5%8C%96/
https://scikit-image.org/docs/0.13.x/auto_examples/xx_applications/plot_thresholding.html