《opencv3机器视觉Python语言实现》学习笔记之轮廓检测

轮廓检测

小实例熟悉API（完整代码）

小白代码注释：

opencv-python图像二值化函数cv2.threshold函数详解及参数cv2.THRESH_OTSU使用

cv2.threshold()函数的作用是将一幅灰度图二值化，基本用法如下：

#ret:暂时就认为是设定的thresh阈值，mask：二值化的图像

ret,mask = cv2.threshold(img2gray,175,255,cv2.THRESH_BINARY)
plt.imshow(mask,cmap='gray')
上面代码的作用是，将灰度图img2gray中灰度值小于175的点置0，灰度值大于175的点置255

具体用法如下：

threshold(src, thresh, maxval, type[, dst])->ret,dst

src:：灰度图

thresh：阈值

maxval：最大值

type：阈值类型

对于最后一个参数，常见的阈值类型有：

THRESH_BINARY=0,THRESH_BINARY_INV,THRESH_TRUNC,THRESH_TOZERO,THRESH_TOZERO_INV,THRESH_OTSU,THRESH_TRIANGLE,THRESH_MASK

他们的作用参见下表：

threshold函数有两个返回值，其中第二个返回值（这里是mask）是二值化后的灰度图。当我们指定了阈值参数thresh，第一个返回值ret就是我们指定的thresh。换句话说，我们可以不指定阈值参数thresh。

通常情况，我们一般不知道设定怎样的阈值thresh才能得到比较好的二值化效果，只能去试。如对于一幅双峰图像（理解为图像直方图中存在两个峰），我们指定的阈值应尽量在两个峰之间的峰谷。这时，就可以用第四个参数THRESH_OTSU，它对一幅双峰图像自动根据其直方图计算出合适的阈值（对于非双峰图，这种方法得到的结果可能不理想）。

对于双峰图，我们需要多传入一个参数cv2.THRESH_OTSU，并且把阈值thresh设为0，算法会找到最优阈值，并作为第一个返回值ret返回。