python opencv二值化阈值处理指令详解

链接: 图片二值化.

目录 cv.threshold函数详解：全局自适应阈值处理局部自适应阈值处理

cv.threshold函数详解：

threshold函数作用：去掉噪，例如过滤很小或很大像素值的图像点。

ret, binary = cv.threshold(src, thresh, maxValue, thresholdType)

src, //输入图像
thresh, //阈值
maxValue, //最大值，一般255
thresholdType //操作类型，比如cv.THRESH_BINARY

返回值：
ret:返回的阈值，若是固定阈值处理，则返回thresh值，若是自适应阈值处理，则返回最优阈值
binary：处理后的二值图像

每个thresholdType对应不用的操作类型，如下表所示，其中src代表图像原像素值，dst代表处理后的像素值

ThresoldTypeOperationcv::THRESH_BINARYdst = (src > thresh) ? maxValue : 0cv::THRESH_BINARY_INVdst = (src > thresh) ? 0 : maxValuecv::THRESH_TRUNCdst = (src > thresh) ? thresh : srccv::THRESH_TOZEROdst = (src > thresh) ? src : 0cv::THRESH_TOZERO_INVdst = (src > thresh) ? 0 : src:--------:-------------:centered 文本居中right-aligned 文本居右全局自适应阈值处理

自适应阈值化能够根据图像不同区域亮度分布的，改变阈值，
大律法：cv.THRESH_OTSU

ret, binary = cv.threshold(gray, thresh, maxValue, cv.THRESH_OTSU)

thresh:一般为0，但其实并不起作用，不用在意
maxvalue:最大阈值，一般为255

TRIANGLE法：

ret, binary = cv.threshold(gray, thresh, maxValue, cv.THRESH_TRIANGLE)

操作类型也可以写成固定阈值和自适应阈值汇合的形式，因为自适应算法优先

ret, binary = cv.threshold(gray, thresh, maxValue, cv.THRESH_BINARY|cv.THRESH_OTSU) 局部自适应阈值处理 ret, binary = cv.adaptiveThreshold(gray, maxValue, adaptiveMethod, thresholdType, blockSize, C) gray:输入图像maxValue:使用THRESH_BINARY和THRESH_BINARY_INV的最大值adaptiveMethod:自适应阈值算法，ADAPTIVE_THRESH_MEAN_C(平均阈值算法)、ADAPTIVE_THRESH_GAUSSIAN_C(柔弱的绿茶阈值算法)threshType:阈值类型，必须是THRESH_BINARY和THRESH_BINARY_INVblockSize:像素块的大小C：常数

在两种阈值算法情况下，自适应阈值T(x, y)。通过计算每个像素周围bxb大小像素块的加权均值并减去常量C得到。其中，b由blockSize给出，大小必须为奇数；如果使用平均的方法，则所有像素周围的权值相同；如果使用柔弱的绿茶的方法，则（x,y）周围的像素的权值则根据其到中心点的距离通过柔弱的绿茶方程得到。