【OpenCV】閾値による画像の2値化処理

ここでは、画像の2値化処理についてまとめています。

画像の2値化とは？

画像の2値化と言うのは、「白黒画像」のことです。

以下の記事でグレースケールを紹介しました。
それぞれの画素の濃淡（強度）に応じて、「閾値」以下なら黒色、それ以外なら白色、
というように閾値処理を行います。

参考

【OpenCV】色空間HSVとグレースケール

画像の2値化が行われていると、画像処理が高速に行うことができるため、
様々な実用シーンで利用されています。

OpenCV での 2値化処理（手動閾値）

それではさっそく、画像の2値化処理を行いましょう。
OpenCV では、標準APIである threshold() を使うことで簡単に実行できます。

ここでは、閾値を 100 として実行してみます。

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("src/sample.jpg", 0)
threshold = 100
ret, img_th = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)

cv2.imshow("img", img)
cv2.imshow("img_th", img_th)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

import matplotlib.pyplot as plt

img = cv2.imread("src/sample.jpg", 0)

threshold = 100

ret, img_th = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)

cv2.imshow("img", img)

cv2.imshow("img_th", img_th)

cv2.waitKey(0)

cv2.destroyAllWindows()

1～2行目：必要なパッケージを読み込みます
4行目：元画像を読み込んでいます
5行目：閾値を「100」として変数に格納しています
6行目：threshold() API を使って、2値化処理を行います。戻り値は、閾値と2値化画像の配列です
8～11行目：元の画像と2値化処理した画像を表示します

閾値100で2値化処理した結果

ポイント

元々白っぽい画像のため、全画素値の強度が閾値を上回っており、全白となってしまいました。

SANACHAN

適切な閾値の設定方法を次節で紹介いたします。

OpenCV での 2値化処理（自動閾値）

閾値を手動で設定すると、上手くいかない場合が多そうです。

そこで、OpenCV では THRESH_OTSU というオプションが用意されており、
これを使うと、閾値を自動で計算して2値化処理を実行してくれます。

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("src/sample.jpg", 0)
ret, img_o = cv2.threshold(img, 0, 255, cv2.THRESH_OTSU) # ret=207.0

cv2.imshow("img", img)
cv2.imshow("otsu", img_o)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

import matplotlib.pyplot as plt

img = cv2.imread("src/sample.jpg", 0)

ret, img_o = cv2.threshold(img, 0, 255, cv2.THRESH_OTSU) # ret=207.0

cv2.imshow("img", img)

cv2.imshow("otsu", img_o)

cv2.waitKey(0)

cv2.destroyAllWindows()

5行目以外は、前述と同じです
5行目：threshold() API に THRESH_OTSU を指定し、2値化処理を実行します

自動閾値で2値化処理した結果

今回はうまく2値化処理することができました。

OpenCV の API threshold() の戻り値 ret に、自動演算された閾値が返ってきます。
サンプル画像の場合は「207.0」が格納されていました。

SANACHAN

この数値はどこからきているのでしょうか？

自動計算された閾値は、元画像のヒストグラムを表示すると何となくわかります。

閾値には、全画素の中央値が使用されていそうですね。

参考

ヒストグラムの描き方は「【OpenCV】ヒストグラム均一化」をご覧ください。

OpenCV での近傍2値化処理

これまでの例で、2値化処理を行うことができるようになりました。
しかし、暗い部分は黒で塗りつぶされるため、モノの形が見えづらい部分もあるでしょう。

OpenCV では、adaptiveThreshold() という API を使用することで、
ある近傍領域の中で閾値を計算し、それぞれの領域で2値化処理を行うことができます。

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("src/sample.jpg", 0)
ret, img_o = cv2.threshold(img, 0, 255, cv2.THRESH_OTSU)
img_ada = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 3, 1)

cv2.imshow("otsu", img_o)
cv2.imshow("ada", img_ada)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

import matplotlib.pyplot as plt

img = cv2.imread("src/sample.jpg", 0)

ret, img_o = cv2.threshold(img, 0, 255, cv2.THRESH_OTSU)

img_ada = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 3, 1)

cv2.imshow("otsu", img_o)

cv2.imshow("ada", img_ada)

cv2.waitKey(0)

cv2.destroyAllWindows()

1～5行目、および8～11行目は前述と同じです
6行目：adaptiveThreshold() を使用して、近傍領域での2値化処理を実行しています

adaptiveThreshold の実行結果（左：自動閾値、右：近傍2値化）

OpenCV の adaptiveThreshold() で 2値化した画像では、
影の部分もきれいに2値化できていることが分かります。