OpenCV图像处理技术（Python）——阈值处理

© Fu Xianjun. All Rights Reserved.

知识储备1：

知识储备2:

1.阈值处理
知识储备1:

知识储备2:

知识储备3:

ret, dst = cv2.threshold(src, thresh, maxval, type)
src 用于表示输入图像，并且仅限于单通道图像，默认情况下为灰度图像。
dst 是生成的输出图像。
thresh 表示阈值设置；maxval 则决定了当像素超过或低于该阈值时所赋予的具体数值。

type：二值化处理的方式及其实现细节如下：
cv2.THRESH_BINARY；
cv2.THRESH_BINARY_INV；
cv2.THRESH_TRUNC；
cv2.THRESH_TOZERO；
cv2.THRESH_TOZERO_INV

当图像像素超过THRESH_BINARY设定的阈值时设为最大值；低于或等于该阈值时则被设定为0。
其作用与THRESH_BINARY相反。
若图像像素超过THRESH_TRUNC所指定的门槛，则将其设为此门槛值；其余像素则保持原有数值。
若图像像素超过该函数指定的门限，则其数值将被保留；反之则置此像素位为0。
其效果与THRESH_TOZERO相反。

2.自适应阈值运算（adaptiveThreshold）：

知识储备1:

知识储备2:

知识储备3:

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

使用自适应均值阈值方法进行图像二值化处理

mean_threshold = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 7, 5)

使用自适应高斯阈值方法进行图像二值化处理

gaus_threshold = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 5, 3)
cv2.imshow("mean_threshold", mean_threshold)
cv2.imshow("gaus_threshold", gaus_threshold)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.Otsu阈值运算：
知识储备:

img = cv2.imread('peppa.jpg', 0)
利用OpenCV的threshold函数计算合适的二值化阈值并将原始图像分割为两个部分
cv2.imshow("otsu", otsu)
等待键盘事件以获取用户的输入
cv2.waitKey(0)
释放所有窗口句柄完成操作

第二章 函数实践与色彩图像处理
【任务1：函数实践

2.2

采用滚动条来调节阈值进行参数处理

本小节到此结束，谢谢大家！
未成年人禁止吸烟！！！