建立网站视频教程网站前台界面模板下载

阈值处理（Thresholding）用于将灰度图像转换为二值图像。通过设定一个或多个阈值，可以将图像中的像素分为不同的类别，通常用于分割前景和背景、简化图像、去除噪声等任务。OpenCV 提供了多种阈值处理方法，下面介绍基本阈值处理和自动阈值处理。

基本阈值处理

基本阈值处理方法cv2.threshold，函数原型如下：

ret, thresh = cv2.threshold(src, thresh, maxval, type)

参数说明：

• src：输入图像，通常是单通道的灰度图像。
• thresh：阈值。
• maxval：超过或低于阈值时赋予的新值。
• type：阈值类型，常见的有以下几种：
  • cv2.THRESH_BINARY：如果像素值大于阈值，设置为 maxval；否则设置为 0。
  • cv2.THRESH_BINARY_INV：如果像素值大于阈值，设置为 0；否则设置为 maxval。
  • cv2.THRESH_TRUNC：如果像素值大于阈值，设置为阈值；否则保持不变。
  • cv2.THRESH_TOZERO：如果像素值大于阈值，保持不变；否则设置为 0。
  • cv2.THRESH_TOZERO_INV：如果像素值大于阈值，设置为 0；否则保持不变。

【示例】

import matplotlib.pyplot as plt
img = cv2.imread('cat.jpg',0)
# 阈值处理只接收一个通道的数据
ret, thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)titles = ['Orininal Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images =[img,thresh1,thresh2,thresh3,thresh4,thresh5]for i in range(6):plt.subplot(2,3,i+1), plt.imshow(images[i],'gray')plt.title(titles[i])plt.xticks([]),plt.yticks([])print(ret)

运行结果：

自动阈值处理

自适应阈值处理适用于图像中光照不均匀或背景复杂的情况。它会根据图像的局部区域自动计算阈值。

cv2.adaptiveThreshold 函数原型如下：

thresh = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

参数说明：

• src：输入图像，通常是单通道的灰度图像。
• maxValue：超过或低于阈值时赋予的新值。
• adaptiveMethod：自适应方法，常见的有：
  • cv2.ADAPTIVE_THRESH_MEAN_C：阈值是邻域的平均值减去常数 C。
  • cv2.ADAPTIVE_THRESH_GAUSSIAN_C：阈值是邻域的加权平均值减去常数 C。
• thresholdType：阈值类型，通常使用 cv2.THRESH_BINARY 或 cv2.THRESH_BINARY_INV。
• blockSize：邻域大小，必须是奇数。
• C：从平均值或加权平均值中减去的常数。

【示例】

# 自动阈值处理
# 读取图像并转换为灰度图像
img = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)# 应用自适应阈值处理
adaptive_mean = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
adaptive_gaussian = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)# 显示结果
cv2.imshow('Adaptive Mean Thresholding', adaptive_mean)
cv2.imshow('Adaptive Gaussian Thresholding', adaptive_gaussian)cv2.waitKey(0)