OpenCV t reshold函数

threshold函数作用：

去掉噪，例如过滤很小或很大像素值的图像点。

threshold函数python版原型：

retval, dst = cv.threshold( src, thresh, maxval, type[, dst] ) 

参数说明：

src：原图像。

dst：结果图像。
thresh：当前阈值。
maxVal：最大阈值，一般为255.
thresholdType:阈值类型，主要有下面几种：
 

enum ThresholdTypes {
    THRESH_BINARY     = 0,
    THRESH_BINARY_INV = 1,
    THRESH_TRUNC      = 2,
    THRESH_TOZERO     = 3,
    THRESH_TOZERO_INV = 4,
    THRESH_MASK       = 7,
    THRESH_OTSU       = 8,
    THRESH_TRIANGLE   = 16
};

返回值:
 retval： 与参数thresh一致
dst： 结果图像
编号    阈值类型枚举    
注意
1    THRESH_BINARY    

2    THRESH_BINARY_INV    

3    THRESH_TRUNC    

4    THRESH_TOZERO    

5    THRESH_TOZERO_INV    

6    THRESH_MASK    
不支持
7    THRESH_OTSU    
不支持32位
8    THRESH_TRIANGLE    
不支持32位
具体说明如下：
 

注意：

THRESH_OTSU和THRESH_TRIANGLE是作为优化算法配合THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO以及THRESH_TOZERO_INV来使用的。

当使用了THRESH_OTSU和THRESH_TRIANGLE两个标志时，输入图像必须为单通道。

生成关系：
 

下面通过代码来验证一下threshold的用法：

import numpy as np
import cv2
#创建一个6x6的BGR三通道图片
img6x6 = np.zeros((6,6,3), dtype=np.uint8) 
#Blue通道取值0~99随机值
img6x6[:,:,0] = np.random.randint(0, 100, size=36).reshape(6,6)
#Green通道取值100~199随机值
img6x6[:,:,1] = np.random.randint(100, 200, size=36).reshape(6,6)
#Red通道取值200~255随机值
img6x6[:,:,2] = np.random.randint(200, 256, size=36).reshape(6,6)
print(img6x6)

得到img6x6的BGR三通道数据：

[[[ 62 171 226]
  [ 29 118 212]
  [ 61 151 200]
  [ 43 123 206]
  [ 58 146 232]
  [  2 124 246]]
 
 [[ 48 101 207]
  [ 32 194 228]
  [ 90 171 241]
  [ 36 152 244]
  [ 64 169 245]
  [ 71 106 202]]
 
 [[ 27 198 206]
  [ 39 193 213]
  [ 60 128 207]
  [ 53 134 248]
  [ 25 187 229]
  [ 72 116 229]]
 
 [[ 52 163 201]
  [ 39 189 251]
  [ 63 190 217]
  [ 73 139 212]
  [ 54 166 236]
  [ 43 191 200]]
 
 [[ 34 119 207]
  [ 36 110 209]
  [ 40 191 229]
  [ 60 100 228]
  [ 62 174 250]
  [ 41 115 209]]
 
 [[ 35 165 246]
  [ 50 182 218]
  [ 77 110 239]
  [ 44 106 245]
  [ 21 189 252]
  [ 64 144 241]]]

观察结果我们发现img6x6[2][2][1]=128，我们取该值作为thresh值来演示THRESH_BINARY、THRESH_BINARY_INV等的作用。

1) THRESH_BINARY

我们取参数值thresh=128，maxval=255，flag = THRESH_BINARY

cv2.threshold(img6x6, 128, 255, cv2.THRESH_BINARY)
根据前面对THRESH_BINARY flag值的解释：
 

 

预期得到的结果中，img6x6中>128的值均应变为255，<=128的值均应变为0。

我们实际得到的结果为：

[[[  0 255 255]
  [  0   0 255]
  [  0 255 255]
  [  0   0 255]
  [  0 255 255]
  [  0   0 255]]
 
 [[  0   0 255]
  [  0 255 255]
  [  0 255 255]
  [  0 255 255]
  [  0 255 255]
  [  0   0 255]]
 
 [[  0 255 255]
  [  0 255 255]
  [  0   0 255]
  [  0 255 255]
  [  0 255 255]
  [  0   0 255]]
 
 [[  0 255 255]
  [  0 255 255]
  [  0 255 255]
  [  0 255 255]
  [  0 255 255]
  [  0 255 255]]
 
 [[  0   0 255]
  [  0   0 255]
  [  0 255 255]
  [  0   0 255]
  [  0 255 255]
  [  0   0 255]]
 
 [[  0 255 255]
  [  0 255 255]
  [  0   0 255]
  [  0   0 255]
  [  0 255 255]
  [  0 255 255]]]

与预期的结果一致。

2）THRESH_BINARY_INV

THRESH_BINARY_INV的作用与THRESH_BINARY相反，大于thresh的值置0，小于等于thresh的值置maxval:

 

预期的结果与1）的结果完全相反。

code:

1. ret,dst=cv2.threshold(img6x6, 128, 255, cv2.THRESH_BINARY_INV)

2. print(dst)

 

[[[255   0   0]
  [255 255   0]
  [255   0   0]
  [255 255   0]
  [255   0   0]
  [255 255   0]]
 
 [[255 255   0]
  [255   0   0]
  [255   0   0]
  [255   0   0]
  [255   0   0]
  [255 255   0]]
 
 [[255   0   0]
  [255   0   0]
  [255 255   0]
  [255   0   0]
  [255   0   0]
  [255 255   0]]
 
 [[255   0   0]
  [255   0   0]
  [255   0   0]
  [255   0   0]
  [255   0   0]
  [255   0   0]]
 
 [[255 255   0]
  [255 255   0]
  [255   0   0]
  [255 255   0]
  [255   0   0]
  [255 255   0]]
 
 [[255   0   0]
  [255   0   0]
  [255 255   0]
  [255 255   0]
  [255   0   0]
  [255   0   0]]]