图像阈值处理

© Fu Xianjun. All Rights Reserved. 今天小赵带大家进入openCV的第四大块内容图像阈值处理，案例依然是通过了我们的小傅老师，是他带我们慢慢踏入了图像识别的大门。

---

前言

图像阈值处理在图像识别上具有相当重要的作用，通过阈值处理可以把我们需要的RIO区域给提取出来，方便完成接下来的操作

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、阈值处理是什么？

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。

二、阈值处理实现

1.引入库

代码如下（示例）：

import cv2
import numpy as np

2.读入数据

代码如下（示例）：

peppa = cv2.imread('peppa.jpg')
img=cv2.cvtColor(peppa,cv2.COLOR_BGR2GRAY)
cv2.imshow('Peppa',img)
ret,thresh1 = cv2.threshold(img,200,255,cv2.THRESH_BINARY) #threshold中填的参数是待处理的图像，低阈值，高阈值，和处理方式一般THRESH_BINARY和THRESH_BINARY_INV用的比较广泛
ret,thresh2 = cv2.threshold(img,200,255,cv2.THRESH_BINARY_INV)
ret,thresh3 = cv2.threshold(img,200,255,cv2.THRESH_TRUNC)
ret,thresh4 = cv2.threshold(img,200,255,cv2.THRESH_TOZERO)
ret,thresh5 = cv2.threshold(img,200,255,cv2.THRESH_TOZERO_INV)
cv2.imshow('BINARY',thresh1)
cv2.imshow('BINARY_INV',thresh2)
# cv2.imshow('TRUNC',thresh3)
# cv2.imshow('TOZERO',thresh4)
# cv2.imshow('TOZERO_INV',thresh5)
peppa_body=cv2.bitwise_and(peppa,peppa,mask=thresh2)
cv2.imshow('peppa_body',peppa_body)
cv2.waitKey()
cv2.destroyAllWindows()

代码效果如下

知识补充关键代码含义

---

三、阈值滑条的设置

代码如下

import cv2
Type=0  #阈值处理类型值 看到这里疑惑了把，这里其实有一个小trick
Value=0 #使用的阈值
def onType(a):
    Type= cv2.getTrackbarPos(tType, windowName)  
    Value= cv2.getTrackbarPos(tValue, windowName) #滑动条和窗口一起放入
    ret, dst = cv2.threshold(img, Value,255, Type)  #实现什么功能这里就用什么函数，滑条在很多地方都可以使用
    cv2.imshow(windowName,dst)
    
def onValue(a):
    Type= cv2.getTrackbarPos(tType, windowName)
    Value= cv2.getTrackbarPos(tValue, windowName)
    ret, dst = cv2.threshold(img, Value, 255, Type) 
    cv2.imshow(windowName,dst)

img = cv2.imread("peppa.jpg",0)
windowName = "Peppa"  #窗体名
cv2.namedWindow(windowName) #窗口名
cv2.imshow(windowName,img)
#创建两个滑动条
tType = "Type"  #用来选取阈值处理类型的滚动条
tValue = "Value"    #用来选取阈值的滚动条
cv2.createTrackbar(tType, windowName, 0, 4, onType) #开发者为了大家便捷使用阈值处理，用便捷的数字0-4代表了那五种阈值处理方式
cv2.createTrackbar(tValue, windowName,0, 255, onValue) # 这里的0-255则是滑条的范围
cv2.waitKey()
cv2.destroyAllWindows()

代码效果如下

---

四：自适应阈值

代码如下

img=cv2.imread('peppa.jpg',0) #这里的0是将图像以灰度图的方式显示，不写的话会以原图显示
cv2.imshow("peppa",img)
athdMEAN=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,7,5)
athdGAUS=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)
cv2.imshow("athMEAN",athdMEAN)
cv2.imshow("athGAUS",athdGAUS)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码效果如下

五：Otsu阈值处理

代码如下

img=cv2.imread('peppa.jpg',0)
ret,otsu=cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
cv2.imshow("otsu",otsu)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码效果如下

温馨提示：所谓自适应阈值是电脑根据图片的像素值自动给他选配适合的低阈值。

总结

提示：这里对文章进行总结：
阈值处理真的真的非常的重要，对于学习opencv的同学们这一章一定要好好听，因为对于后期的学习非常的重要。