Opencv阈值与平滑处理——python

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