OpenCV---超大图像二值化和空白区域过滤

超大图像的二值化方法

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

一：分块处理超大图像的二值化问题

def big_image_binary(image):     print(image.shape)  #(4208, 2368, 3)　　#超大图像，屏幕无法显示完整     cw,ch = 256,256     h,w = image.shape[:2]     gray = cv.cvtColor(image,cv.COLOR_RGB2GRAY)   #要二值化图像，要先进行灰度化处理     for row in range(0,h,ch):         for col in range(0,w,cw):             roi = gray[row:row+ch,col:col+cw]   #获取分块             # ret,binary = cv.threshold(roi,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)　　#全局阈值             binary = cv.adaptiveThreshold(roi,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,127,20)　　#局部阈值             gray[row:row + ch, col:col + cw] = binary　　#分块覆盖             print(np.std(binary),np.mean(binary))      cv.imwrite("binary2.jpg",gray)

（一）全局阈值处理

ret,binary = cv.threshold(roi,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)　　#全局阈值

（二）局部阈值（更好）

binary = cv.adaptiveThreshold(roi,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,127,20)　　#局部阈值

二：空白区域过滤

def big_image_binary(image):     print(image.shape)  #(4208, 2368, 3)     cw,ch = 128,128     h,w = image.shape[:2]     gray = cv.cvtColor(image,cv.COLOR_RGB2GRAY)   #要二值化图像，要先进行灰度化处理     for row in range(0,h,ch):         for col in range(0,w,cw):             roi = gray[row:row+ch,col:col+cw]   #获取分块             dev = np.std(roi)             avg = np.mean(roi)             if dev < 15 and avg > 200:　　#满足条件，接近空白区域，让他变黑                 gray[row:row + ch, col:col + cw] = 0    #全部都赋值为0             else:                 ret,binary = cv.threshold(roi,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)                 gray[row:row + ch, col:col + cw] = binary                 print(np.std(binary), np.mean(binary))      cv.imwrite("binary.jpg",gray)

相关知识补充

（一）numpy中相关方法介绍

numpy.std() 计算矩阵标准差

numpy mean()用法返回数组元素的平均值

（二）空白图像的过滤（当我们确认该区域为空白图像，可以不作处理，不进行二分处理）

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

我们可以将该空白区域（或者满足一定条件的区域），直接设置为0或者255或者其他想要获取的图像，不需要进行多余的阈值二分

原文：https://www.cnblogs.com/ssyfj/p/9273116.html