OpenCV-Python实战(9)——OpenCV用于图像分割的阈值技术
0. 前言
图像分割是许多计算机视觉应用中的关键处理步骤,通常用于将图像划分为不同的区域,这些区域常常对应于真实世界的对象。因此,图像分割是图像识别和内容分析的重要步骤。图像阈值是一种简单、有效的图像分割方法,其中像素根据其强度值进行分区。在本文中,将介绍 OpenCV
所提供的主要阈值技术,可以将这些技术用作计算机视觉应用程序中图像分割的关键部分。
1. 阈值技术简介
阈值处理是一种简单、有效的将图像划分为前景和背景的方法。图像分割通常用于根据对象的某些属性(例如,颜色、边缘或直方图)从背景中提取对象。最简单的阈值方法会利用预定义常数(阈值),如果像素强度小于阈值,则用黑色像素替换,如果像素强度大于阈值,则用白色像素替换。OpenCV 提供了 cv2.threshold()
函数来对图像进行阈值处理。
为了测试 cv2.threshold()
函数,首次创建测试图像,其包含一些填充了不同的灰色调的大小相同的区域,利用 build_sample_image()
函数构建此测试图像:
def build_sample_image():