OPENCV DERSLERİ (DERS:11) IMAGE THRESHOLDING DERS-2

Uyarlanabilir Eşik

Birönceki bölümdeki Thresholdingler bazı durumlarda(ışık,ortam farklılıklarında) verimli olmayabilir bu durumda uyarlanabilir eşik methodu kullanılabilir. uyarlanabilir eşik methodu değişen ışık ortamlarında daha stabil ve daha iyi sonuçlar elde edebilir.

OpenCV kütüphanesinde bu kodlar;

cv2.ADAPTIVE_THRESH_MEAN_C: eşik değeri alanının ortalamasıdır.

cv2.ADAPTIVE_THRESH_GAUSSIAN_C: Eşik değeri ağırlıkları bir Gauss penceresi olan alan değerlerinin ağırlıklı toplamıdır.

Örnek Kod

Örneğin bir önceki derstede kullandığımız messi.jpg resmini bu eşiklerden geçirmek istersek

import cv2

import numpy as np

from matplotlib import pyplot as plt

img = cv2.imread('messi.jpg',0)

img = cv2.medianBlur(img,5)

ret,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)

th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\

            cv2.THRESH_BINARY,11,2)

th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\

            cv2.THRESH_BINARY,11,2)

titles = ['Original Image', 'Global Thresholding (v = 127)',

            'Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding']

images = [img, th1, th2, th3]

for i in xrange(4):

    plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')

    plt.title(titles[i])

    plt.xticks([]),plt.yticks([])

plt.show()

Sonuç;

Ders:10⬅                                                                ➤Ders:12