计算机视觉 / 系统课时
使用自适应阈值
使用自适应阈值
固定阈值只给整张图一个分界值,遇到阴影、渐变照明或纸面反光时,同一种前景会在不同位置落到阈值两侧。自适应阈值改为按像素邻域计算局部阈值,本节用 OpenCV 4.x 的 cv.adaptiveThreshold 完成一张光照不均灰度图的二值化,并给出可直接调参的判断方法。
学习目标
- 能用
cv.adaptiveThreshold对 8 位单通道图像执行局部二值化。 - 能根据目标尺寸选择
blockSize,并判断C增减后黑白区域怎样变化。 - 能区分
ADAPTIVE_THRESH_MEAN_C与ADAPTIVE_THRESH_GAUSSIAN_C的局部阈值计算方式。
为什么固定阈值会失效
假设背景亮度从左到右由 120 缓慢升到 220,前景是灰度 40~80 的深色笔画。若全图固定阈值设为 160,左侧大量背景像素也会被判成黑色;改用局部邻域后,左侧和右侧会分别得到不同的阈值,更适合处理扫描件、票据和阴影下的文字。
cv.ADAPTIVE_THRESH_MEAN_C 使用邻域均值减去 C,cv.ADAPTIVE_THRESH_GAUSSIAN_C 使用高斯加权邻域和减去 C。后者让中心附近像素权重更高,在照明缓慢变化时通常更平滑,但两者都只输出局部计算后的二值结果。

参数选择规则
以下参数适用于常见的 uint8 灰度图。blockSize 必须是大于 1 的奇数;如果目标是深色文字,局部窗口应能同时覆盖笔画和周围背景,否则窗口太小会把大块深色区域本身当成“局部背景”。
| 参数 | 起始值 | 调整依据 |
|---|---|---|
maxValue |
255 | 8 位二值图通常固定为 255 |
adaptiveMethod |
cv.ADAPTIVE_THRESH_GAUSSIAN_C |
光照平滑变化时优先尝试;需要简单均值时改用 MEAN_C |
thresholdType |
cv.THRESH_BINARY |
深色前景保持 0、亮背景变 255;需要白色前景时改用 THRESH_BINARY_INV |
blockSize |
31 | 必须为 3、5、7…;细文字可从 21~31 起步,大目标可试 51 或更大 |
C |
7 | 从局部均值或加权均值中减去;增大 C 会降低局部阈值,在 THRESH_BINARY 下通常让黑色区域变少 |
调参时一次只改一个变量。若文字内部断裂,先尝试减小 C,例如从 7 调到 3;若背景噪点大量变黑,可把 C 提到 9~12。若阴影边界仍明显,再把 blockSize 从 31 提到 51,观察是否能覆盖更大的照明变化范围。
完整示例与验证
下面脚本不依赖外部图片:它生成一张从灰度 120 渐变到 220 的背景,并放入两条灰度分别为 40 和 80 的深色笔画。使用 blockSize=31、C=7 后,两个位置都应被识别为黑色前景,而左右背景保持白色。
import cv2 as cv
import numpy as np
height, width = 120, 240
gray = np.tile(
np.linspace(120, 220, width, dtype=np.uint8),
(height, 1),
)
# 两条细笔画位于不同亮度的背景区域。
cv.rectangle(gray, (25, 35), (95, 45), 40, -1)
cv.rectangle(gray, (145, 75), (215, 85), 80, -1)
binary = cv.adaptiveThreshold(
gray,
255,
cv.ADAPTIVE_THRESH_GAUSSIAN_C,
cv.THRESH_BINARY,
31,
7,
)
cv.imwrite("adaptive_input.png", gray)
cv.imwrite("adaptive_binary.png", binary)
print("shape:", binary.shape)
print("values:", np.unique(binary).tolist())
print("dark-left:", int(binary[40, 60]))
print("dark-right:", int(binary[80, 180]))
print("background-left:", int(binary[20, 20]))
print("background-right:", int(binary[20, 220]))预期输出
shape: (120, 240)
values: [0, 255]
dark-left: 0
dark-right: 0
background-left: 255
background-right: 255同时会生成 adaptive_input.png 和 adaptive_binary.png。验证时不要只看是否“变成黑白图”,还要检查同一类前景在暗区和亮区是否都被保留;如果一侧正常、另一侧消失,说明局部窗口或 C 仍不适合当前照明尺度。
结果不对时怎么调
出现“大块深色目标中心变白”时,常见原因是 blockSize 比目标本身还小,窗口内部几乎全是前景,局部阈值跟着前景一起降低。把 21 提到 51 或 71,让邻域包含更多背景,再检查目标内部是否恢复连续。
如果图像噪声很强,先用 cv.medianBlur(gray, 5) 抑制孤立噪点,再做自适应阈值通常比盲目增大 C 更可控。若整幅图照明基本均匀,则无需为局部阈值付出额外计算和调参成本,固定阈值或 Otsu 全局阈值通常更直接。