opencv+python入门之五（阈值分割、滤波）

1.阈值分割

阈值分割的作用是把一幅灰度图二值化，通过cv2.threshold(src,thresh,maxval,type)函数实现。thresh代表的是阈值，maxval指的是最大值，type是类型，主要有以下参数cv2.THRESH_BINARY，THRESH_BINARY_INV,THRESH_TRUNC,

THRESH_TOZERO,THRESH_TOZERO_INV,THRESH_OTSU,THRESH_TRIANGLE,THRESH_MASK等。详细含义如下：

                           

以THRESH_BINARY为例，当像素值大于阈值时，直接取最大值，否则取0。要注意的是这里的最大值与设置的阈值无关，例如阈值为128，最大值可以设置为64,65或者255。

代码示例：

retval,dst = cv2.threshold(img,128,64,cv2.THRESH_BINARY) 

2.滤波专题

2.1均值滤波

原理：均值滤波是将选取的核与图像中的区域进行卷积，用卷积后的值代替图像区域中间的那个值。通俗一点，以3x3的核为例，均值滤波就是将其周围8个像素值一起求平均，用这个平均数代替中间的像素值。

dst = cv2.blur(img,(5,5))

2.2方框滤波

方框滤波和均值滤波很像。通过cv2.boxFilter(src,depth,kernel,normalize)来实现。其中depth代表图片深度，取-1时表示与原图深度相同；kernel表示的是核的大小，要求输入的是一个tuple；normalize是选择是否进行归一化操作，等于1时表示进行归一化，此时和均值滤波相同。若不进行归一化，就相当于将周围的值加起来，代替中间的元素，可见非常容易溢出。

dst = cv2.boxFilter(img,-1,(9,9),False)

2.3高斯滤波

高斯滤波指的是将周围的像素值按照不同的权重进行运算，（均值滤波相当于权重都为1），高斯滤波里中间像素值越近，其权重越大。调用的函数为cv2.GaussianBlur(src,ksize,sigmax)。ksize指的是核的大小，sigmax控制的是权重之间的方差，默认为0即可。例如下面便是sigmax取不同值的时候，权重的值

                                                                       

dst = cv2.GaussianBlur(img,(5,5),0)

sigmaX常设置为0，此时权重 sigma = 0.3*((ksize-1)*0.5-1)+0.8

2.4中值滤波

中值滤波的原理也很简单，就是用核中几个元素中的中间值来代替中间的像素值。

dst = cv2.medianBlur(img,(5,5))