案例©FuXianjun 来源出自傅老师
一、读取图像
知识储备:阈值处理
定义:指剔除图像内像素值高于一定值或者低于一定值的像素点 例如,设定阈值为127,然后: 将图像内所有像素值大于127的像素点的值设为255。 将图像内所有像素值小于或等于127的像素点的值设为0。
OpenCV提供了函数cv2.threshold()和函数cv2.adaptiveThreshold(),用于实现阈值处理。
retval,dst=cv2.threshold(src,thresh,maxval,type)
1、自适应阈值处理
定义:使用变化的阈值完成对图像的阈值处理。
操作:通过计算每个像素点周围临近区域的加权平均值获得阈值,并使用该阈值对当前像素点进行处理。
目的:保留了更多的细节信息
dst=cv.adaptiveThreshold
(src,maxValue,adaptiveMethod,thresholdType,blockSize,C)
maxValue代表最大值。 adaptiveMethod代表自适应方法。
thresholdType 代表阈值处理方式,该值必须是 cv2.THRESH_BINARY 或者cv2.THRESH_BINARY_INV中的一个。
blockSize代表块大小。表示一个像素在计算其阈值时所使用的邻域尺寸,通常为3、5、7等。
C是常量。
自适应阈值运算
二、函数实操与彩色图像
三、平滑处理
基本原理:将噪声所在像素点的像素值处理为其周围临近像素点的值的近似值。
平滑处理:均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波