阈值分割 python 可调 python阈值计算

python+opencv图像处理之五：图像阈值化处理

目录

• python+opencv图像处理之五：图像阈值化处理

• 一、阈值化
• 二、各方法选择参数图像对比

一、阈值化

阈值即为界限，或者说是临界值，是指一个效应能够产生的最低值或最高值。旨在提取图像中的目标物体，将背景以及噪声区分开来。
通常会设定一个阈值T，通过T将图像的像素划分为两类：大于T的像素群和小于T的像素群。灰度转换处理后的图像中，每个像素都只有一个灰度值，大小表示明暗程度。利用阈值化，我们就可以从一副图像中分割出我们需要的物体部分。
常见阈值化公式，即二进制阈值化：
$Y= \begin{cases} 0, & \text {gray<T} \\ 255, & \text{gray>T} \end{cases}$
当灰度Gray小于阈值T时，其像素设置为0，图像中显示为黑色；当灰度Gray大于或等于阈值T时，其Y值为255，图像中显示为白色。

opencv中对于图像阈值处理提供了cv2.threshold（）函数
cv2.threshold（）中包含四个参数，分别为：
第一个原图像
第二个进行分类的阈值
第三个是高于（低于）阈值时赋予的新值
第四个是一个方法选择参数，常用的有：

参数	参数作用效果
cv2.THRESH_BINARY	像素点的灰度值大于阈值，设其灰度值为最大值（255）；小于阈值，设其灰度值为最小值（0）
cv2.THRESH_BINARY_INV	像素点的灰度值大于阈值，设其灰度值为最小值（0）；小于阈值，设其灰度值为最大值（255）
cv2.THRESH_TRUNC	像素点的灰度值小于阈值，其灰度值不变；大于阈值，设其灰度值为阈值
cv2.THRESH_TOZERO	像素点的灰度值小于阈值，其灰度值不变；大于阈值，设其灰度值为最小值（0）
cv2.THRESH_TOZERO_INV	像素点的灰度值大于阈值，其灰度值不变；小于阈值，设其灰度值为最小值（0）

该函数有两个返回值，第一个retVal（得到的阈值数据），第二个就是阈值化后的图像。

二、各方法选择参数图像对比

程序代码如下：

#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#输入图像
image= cv2.imread("line.jpg")

#将图片转换为灰度图
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#阈值化处理
ret,thresh1=cv2.threshold(gray,127,255,cv2.THRESH_BINARY) 
ret,thresh2=cv2.threshold(gray,127,255,cv2.THRESH_BINARY_INV)  
ret,thresh3=cv2.threshold(gray,127,255,cv2.THRESH_TRUNC)  
ret,thresh4=cv2.threshold(gray,127,255,cv2.THRESH_TOZERO)  
ret,thresh5=cv2.threshold(gray,127,255,cv2.THRESH_TOZERO_INV)

#显示结果
titles = ['Gray Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']  
images = [gray, thresh1, thresh2, thresh3, thresh4, thresh5]  
for i in range(6):  
   plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

程序执行结果，各阈值处理参数显示如下：