局部二值化（Local Thresholding）是一種影像處理技術，用來根據局部區域的像素值動態地將影像轉換為二值影像。這在處理光照不均勻的影像時特別有用。
與常見的兩種二值化(Otsu's與固定閥值)方法做比較。
實現局部二值化的範例：
import cv2
import numpy as np
# 讀取灰階影像
image = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)
# 使用高斯濾波來去除噪聲
blurred = cv2.GaussianBlur(image, (5, 5), 0)
# 使用局部二值化 (Adaptive Thresholding)
thresh = cv2.adaptiveThreshold(
blurred,
255,
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY,
11,
2
)
# 顯示結果
cv2.imshow('Original Image', image)
cv2.imshow('Adaptive Threshold', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()
說明
cv2.adaptiveThreshold :
blurred: 需要進行二值化的影像。
255: 二值化後白色部分的值。
AdaptiveMethod決定如何計算閾值：
- cv.ADAPTIVE_THRESH_MEAN_C：閾值是鄰近區域的平均值減去常數C。
- cv.ADAPTIVE_THRESH_GAUSSIAN_C：閾值是鄰域值的高斯加權和減去常數C。
11: 決定鄰域區域的大小
2是從鄰域像素的平均值或加權和中減去的常數
