OpenCV For Python入门18 阈值处理简介及二值化阈值处理、反二值化阈值处理

阈值处理是指将大于某一像素值的设为255，低于某一像素值的设为0。由此可以得到一幅二值图像，有效地实现了前景和背景的分离。OpenCV中提供了函数cv2.threshhold()和cv2.adaptiveThreshold()用于阈值处理。本节主要介绍第一个函数。

[TOC]

threshold()函数的用法

retval, dst = cv2.threshold(src, thresh, maxval, type)

• retval表示返回的阈值
• dst表示返回的阈值分割的图像
• src表示源图像，可以是多通道的，8位的或者32位浮点型数值
• maxval，当type参数为THRESH_BINARY和THRESH_BINARY_INV类型时，需要设定的最大值
• type代表阈值分割的类型，如下图所示。

二值化阈值处理（cv2.THRESH_BINARY）

这个类型会将直接处理为仅有两个值的二值图像。

• 如上图所示，大于这个阈值直接变为255，小于等于这个阈值直接变为0

例1：使用二值化阈值处理，观察结果。

import cv2
import numpy as np
img = np.random.randint(0, 256, size=[4, 5], dtype=np.uint8)
t, rst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
print('img=\n', img)
print('t=\n', t)
print('rst=\n', rst)

结果：

img=
 [[133 173  81 128 221]
 [ 72 204  33 114 166]
 [193  31   4  35 239]
 [ 61  32 186 184  33]]
t=
 127.0
rst=
 [[255 255   0 255 255]
 [  0 255   0   0 255]
 [255   0   0   0 255]
 [  0   0 255 255   0]]

例2：使用函数cv2.threshold()对图像进行二值化处理。

import cv2
img = cv2.imread('boy.png', 0)
t, rst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('IMG', img)
cv2.imshow('RST', rst)
cv2.waitKey()

反二值化阈值处理(cv2.THRESH_BINARY_INA)

反二值化阈值处理的结果也是仅有两个值的二值图像，与二值化阈值处理正好相反。

大于阈值直接变为0，小于等于这个阈值直接变为255

import cv2
img = cv2.imread('boy.png', 0)
t, rst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
cv2.imshow('IMG', img)
cv2.imshow('RST', rst)
cv2.waitKey()