opencv中的图像处理

为了保持边缘光滑,

• 通过插值将图像放大一个因子(3或4);

• 二进制化;

• 平整的

• 通过抽取减少。

直接使用以下示例 OpenCV's Image Thresholding Example

import cv2 as cv

img = cv.imread('roxy.png',0)
# Otsu's thresholding after Gaussian filtering
blur = cv.GaussianBlur(img,(5,5),0)
_,res = cv.threshold(blur,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)
cv.imwrite('roxy_result.png', res)

我得到了以下结果。多做一点实验就能得到你想要的

可以为图像设置阈值。请尝试以下代码:

import cv2
img = cv2.imread('input.png',0)
threshold = 20
img = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)[1]
cv.imwrite('output.png', img)

这里我手动设置了一个阈值(20),因为自动阈值计算算法会产生一些噪声。请记住,为阈值设置手动值不是一种好的做法。我认为这是一项具体的任务。

结果如下:

我想即兴创作。我选择的阈值是给定灰度图像中值的1/3,而不是通过反复试验手动应用阈值。

import cv2

img = cv2.imread(r'C:\Users\Desktop\roxy.png', 0)

th = int(max(0, (1.0 - 0.66) * np.median(img)))
ret, res = cv2.threshold(img, th, 255, cv2.THRESH_BINARY)
cv2.imwrite(r'C:\Users\Desktop\roxy1res.png', res)

在此图像中,您可以看到许多点,这些点可以通过执行中值滤波来移除:

median = cv2.medianBlur(res, 3)
cv2.imwrite(r'C:\Users\Desktop\roxy2median.png', median)

但现在字母R有一些间隙,可以通过使用定制的核进行形态学侵蚀来重建。您可以使用内置内核,但生成的图像不会像您期望的那样好。

kernel = np.array([1,1,1],  dtype=np.int8)
kernel = kernel.reshape((1, 3))

erosion = cv2.erode(median, kernel, iterations = 1)
cv2.imwrite(r'C:\Users\Desktop\roxy3erosion.png', erosion)

字母R仍然不完美,但你可以对其进行微调。