OpenCV-Python基础教程5-阈值分割与Otsu阈值法，,一、固定阈值分割im

OpenCV-Python基础教程5-阈值分割与Otsu阈值法，,一、固定阈值分割im

一、固定阈值分割

import cv2import matplotlib.pyplot as plt

# 灰度图读入img = cv2.imread(‘gradient.jpg‘, 0)# 阈值分割ret, th = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)cv2.imshow(‘thresh‘, th)cv2.waitKey(0)

cv2.threshold()用来实现阈值分割，有4个参数：

参数1：要处理的原图，一般是灰度图
参数2：设定的阈值参数3：最大阈值，一般是255参数4：阈值的方式，主要有5种，详情：ThresholdTypes

理解这5种阈值方式：

# 应用5种不同的阈值方法ret, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)ret, th2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)ret, th3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)ret, th4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)ret, th5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)titles = [‘Original‘, ‘BINARY‘, ‘BINARY_INV‘, ‘TRUNC‘, ‘TOZERO‘, ‘TOZERO_INV‘]images = [img, th1, th2, th3, th4, th5]# 使用Matplotlib显示# 两行三列图for i in range(6):    plt.subplot(2, 3, i + 1)    plt.imshow(images[i], ‘gray‘)    plt.title(titles[i], fontsize=8)    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴plt.show()

固定阈值将整幅图片分成两类值，它并不适用于明暗分布不均的图片。而cv2.adaptiveThreshold()自适应阈值会每次取图片的一小部分计算阈值。这样图片不同区域的阈值就不尽相同。

# 自适应阈值对比固定阈值img = cv2.imread(‘sudoku.jpg‘, 0)# 固定阈值ret, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)# 自适应阈值th2 = cv2.adaptiveThreshold(    img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 4)th3 = cv2.adaptiveThreshold(    img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 17, 6)titles = [‘Original‘, ‘Global(v = 127)‘, ‘Adaptive Mean‘, ‘Adaptve Gaussian‘]images = [img, th1, th2, th3]for i in range(4):    plt.subplot(2, 2, i + 1), plt.imshow(images[i], ‘gray‘)    plt.title(titles[i], fontsize=8)    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴plt.show()

cv2.adaptiveThreshold()的5个参数：

参数1：要处理的原图参数2：最大阈值，一般为255参数3：小区域阈值的计算方式

　　　　ADAPTIVE_THRESH_MEAN_C：小区域内取均值

　　　　ADAPTIVE_THRESH_GAUSSIAN_C：小区域内加权求和，权重是高斯核

参数4：阈值方式（上面提到的那5种）参数5：小区域的面积，如11就是11 * 11的小块参数6：最终阈值等于小区域计算出的阈值再减去此值

OpenCV-Python基础教程5-阈值分割与Otsu阈值法