opencv图像阈值操作

使用threshold方法和adaptivethreshold方法对图像进行阈值分割操作。

1、使用threshold方法，设置一个阈值，将大于阈值的值变换为最大值，小于阈值的值变换为0。

#-*- coding:utf-8 -*-

# opencv 中阈值操作

import cv2

import numpy

#读取一张图片

img = cv2.imread('bookback.jpg',cv2.IMREAD_COLOR)

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#使用threshold方法进行阈值分割，大于阈值的设置为255，小于阈值的为0

ret,threshold = cv2.threshold(img,10,255,cv2.THRESH_BINARY)

#对灰度图像进行阈值处理

ret1,threshold1 = cv2.threshold(gray,10,255,cv2.THRESH_BINARY)

#显示图像

cv2.imshow('original',img)

cv2.imshow('threshold',threshold)

cv2.imshow('gray_threshold',threshold1)

cv2.waitKey(0)

cv2.destroyAllWindows()

　效果：由上到下依次是：原图、彩色图像阈值分割、灰度图像阈值分割

opencv图像阈值操作-LMLPHP

2、使用adaptivethreshold方法进行阈值分割，该方法使用高斯函数，统计一个小块内的图像信息进行自适应阈值操作。

# -*- coding:utf-8 -*-

# opencv中自适应阈值操作

import cv2

import numpy

#读取一张图片

img = cv2.imread('bookback.jpg',cv2.IMREAD_COLOR)

#转换为灰度图像

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#使用自适应阈值处理，源图片，最大值，阈值类型，二值化类型，分块大小，阈值计算中常数

adaptive_thresh = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,115,1)

#显示图片

cv2.imshow('original',img)

cv2.imshow('adaptive_thresh',adaptive_thresh)

cv2.waitKey(0)

cv2.destroyAllWindows()

　效果：由上到下依次是：原图、阈值分割后图像

opencv图像阈值操作-LMLPHP

3、使用otsu方法进行分割，该方法基于直方图统计，通过一个阈值将直方图分为两个部分。

#基于直方图的二值化

ret,thresh = cv2.threshold(gray,40,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

　效果如下：

opencv图像阈值操作-LMLPHP