OpenCV基于cv2的图像阈值化处理超详细的注释和解释掌握基本操作

Posted 2022-09-09 @背包

 

---

说在前面的话

博主今天给大家带来人工智能的一个重要领域的入门操作，opencv包的使用和基本操作，希望大家可以从中学到一些东西！

前言

那么这里博主先安利一下一些干货满满的专栏啦！

手撕数据结构https://blog.csdn.net/yu_cblog/category_11490888.html?spm=1001.2014.3001.5482这里包含了博主很多的数据结构学习上的总结，每一篇都是超级用心编写的，有兴趣的伙伴们都支持一下吧！
算法专栏https://blog.csdn.net/yu_cblog/category_11464817.html

原图像展示

 今天博主将会用这张图像作为例子，给大家展示一些阈值处理的操作

一、OpenCV图像阈值化处理函数

  函数原型：

ret,dst = threshold(src,thresh,maxval,type)

    src :源图像

    thresh: 阈值（127/128是我们常用的阈值）

    maxval: 当像素超过阈值(小于等于阈值)所赋予的值,否则取0

    ret: 阈值返回值(阈值设定的是多少) 

    dst: 输出的图像

    type: 处理方式

二、二值化THRESH_BINARY与二值化翻转THRESH_BINARY_INV处理 

二值化：

处理方式：通道像素值超过阈值的取maxval，通道像素值低于阈值的取0

def test1():
    img = cv2.imread(r"C:\\Users\\Administrator\\Desktop\\test4.jpg", 1) # 图片路径
    ret,img1=cv2.threshold(img,127,255,cv2.THRESH_BINARY) # 二值化
    cv2.imshow('img1',img1)
    cv2.waitKey(0)
test1()

处理结果：

二值化翻转：

处理方式：和二值化相反

def test1():
    img = cv2.imread(r"C:\\Users\\Administrator\\Desktop\\test5.jpg", 1)
    ret,img1=cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV) # 二值化翻转
    cv2.imshow('img1',img1)
    cv2.waitKey(0)
test1()

处理结果：

三、THRESH_TRUNC处理

trunc其实就是截断的意思

处理方式：超过阈值取阈值，低于阈值取自身

def test3():
    img = cv2.imread(r"C:\\Users\\Administrator\\Desktop\\test.jpg", 0)
    cv2.imshow('img',img)
    # 3.THRESH_TRUNC 超过阈值取阈值，低于阈值取自身
    ret,img1=cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
    cv2.imshow('img1',img1)
    cv2.waitKey(0)
test3()

处理结果：

处理后的图片：

原图：

四、THRESH_TOZERO与THRESH_TOZERO_INV处理

处理方式：

THRESH_TOZERO：超过阈值不变，低于阈值取0

THRESH_TOZERO_INV：超过阈值取0，低于阈值取不变

def test4():
    img = cv2.imread(r"C:\\Users\\Administrator\\Desktop\\test5.jpg", 1)
    cv2.imshow('img',img)
    # 4.THRESH_TOZERO 超过阈值不变，低于阈值取0
    # 5.THRESH_TOZERO_INV 取反 -- 超过阈值取0，低于阈值取不变
    ret,img1=cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
    ret,img1=cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)
    cv2.imshow('img1',img1)
    cv2.waitKey(0)
    print(ret)
test4()

处理结果：

THRESH_TOZERO：

原图：

 THRESH_TOZERO_INV：

原图：

总结

看到这里 相信大家对这方面的内容有了一定的理解了吧？如果你感觉这篇文章对你有帮助的话，希望你可以持续关注，订阅专栏，点赞收藏都是我创作的最大动力！

( 转载时请注明作者和出处。未经许可，请勿用于商业用途 )
更多文章请访问我的主页

@背包https://blog.csdn.net/Yu_Cblog?spm=1000.2115.3001.5343