阈值分割

像素图

原始图像像素图 见下面

红色线:标注一条阈值线

opencv 亮度自适应调整_灰度值

二进制阈值化

首先设定一条阀值线 如127

大于127的像素点灰度值设为最大(如unit8的格式为255)

小于127的像素点灰度值设为0

9.png)

opencv 亮度自适应调整_灰度值_02

反二进制阈值化首先设定一条阀值线 如127

大于127的像素点灰度值设为最小为0

小于127的像素点灰度值设为最大(如unit8的格式为255)

opencv 亮度自适应调整_opencv 亮度自适应调整_03

截断阈值化

首先选定一个阀值,大于该阈值的像素点呗设定为该阈值,小于该阈值的不变

如:阈值127,大于127的像素点值为127;小于127的不变

opencv 亮度自适应调整_灰度值_04

反阈值化为0

先选定一个阈值,然后做如下处理:

大于等于该阈值的像素点变为0,

小于该阈值的像素点不变。

opencv 亮度自适应调整_opencv 亮度自适应调整_05

阈值化为0

先选定一个阈值,然后做如下处理:

大于等于该阈值的像素点不变,

小于该阈值的像素点变为0。

opencv 亮度自适应调整_灰度值_06

threshold函数

threshold:中文阈值方法: retval,dst=cv2.threshold(src,thresh,maxval,type) retval:阈值 一般和thresh相同 dst:处理结果的图像

src:原始图像 thresh:阈值,阈值线,对应上文的红线 maxval:最大值,阈值分割后指定的最大值,有1和255。最大值为1对应是二值化图像数据 type:类型,指定那种阈值

threshold 二进制阈值 把亮的处理成白色,暗的处理成黑色

区别二值化阈值:二值化只有0,1。 二进制阈值:可以有其他两个数。二值化是特殊的二进制阈值。

cv2.THRESH_BINARY

算例:设定阈值为127

import cv2

a=cv2.imread('lenacolor.png')#
r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY)
print('r',r)
cv2.imshow('a',a)
cv2.imshow('b',b)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果:

图中 像素只有0,255

print(b)

opencv 亮度自适应调整_二值化_07

opencv 亮度自适应调整_opencv_08

opencv 亮度自适应调整_二值化_09

threshold 反二进制阈值

把亮的处理成黑色,暗的处理成白色

修改前文代码

cv2.THRESH_BINARY_INV

opencv 亮度自适应调整_像素点_10

threshold 截断阈值

亮的不能太亮,有上限,暗的不变

cv2.THRESH_TRUNC

opencv 亮度自适应调整_灰度值_11

threshold 反阈值化为0

把比较亮的部分处理成0成黑色,小于等于阈值的像素点不变

cv2.THRESH_TOZERO_INV

opencv 亮度自适应调整_二值化_12

threshold 阈值化为0

比较亮的部分不变,比较暗的部分处理成黑色为0

cv2.THRESH_TOZERO

opencv 亮度自适应调整_二值化_13

总目录链接:

python3+opencv学习笔记汇总目录(适合基础入门学习)

进阶版阈值处理讲解:opencv进阶学习9:图像阈值大全,图像二值化,超大图像二值化