python opencv 判断 灰度 opencv灰度值

Opencv入门

文章目录

• Opencv入门
• 一、Opencv基础知识

• 1.1二值图像
• 1.2灰度图像
• 1.3彩色图像

• 二、Opencv基本使用

• 1.连通域标记
• 2.图像二值化

---

一、Opencv基础知识

1.1二值图像

像素值为0和1或者0和255。通常作为像素标签使用。

1.2灰度图像

像素值：单通道，取值范围[0,255]。
0： 纯黑
255：纯白
部分图像算法中需要使用灰度图进行运算。

1.3彩色图像

RGB：色彩显示
HSV：色彩描述
YCBCr：视频数据
CMYK：印刷行业
灰度图像《==》RGB图像
Gray = R * 0.299+G * 0.587+B * 0.114。

二、Opencv基本使用

1.连通域标记

1. Two-pass（等价表法）
   1.第一次遍历
   a.当像素[x,y]的领域（4-领域）的所有像素值都为0，则给[x,y]一个新的标签，并且标签累加1。
   b.当像素[x,y]的领域（4-领域）存在标签种类都大于1时，则给[x,y]一个领域中值最小的标签。
   c.当像素[x,y]的领域（4-领域）存在标签种类等于1时，则给[x,y]一个相同的标签。
   2.第二次遍历
   给所有的像素重新赋值，值为等价标中最小的值。
2. Seed Filling（种子填充法）
   遍历
   当像素[x,y]为前景，则作为种子。给与一个标签，将后将与之相邻的前景像素全部给与相同的标签，重复该步骤。直到遍历结束。

2.图像二值化

目的通常为将图像的前后景进行分割，以便进行下一步处理。

可用于自动计件、文字识别。

对于图中的像素[x,y]，其灰度值为分f（x,y)，设置门限值（阈值）为T。

合理的阈值应尽可能的分离前景和背景。

2.1P-tile法

需要预先获得图像中前景占完整画面的比值p%，依次累加灰度直方图，直到该累积值大于或等于前景图像（目标）所占面就，此时的灰度级即为所求的阈值。

如果先验条件和实际情况相差较远，P-tile不适用。

3.最小误判概率

4.大津法（OTSU）