opencv-Binary二值化（二十）

# 图像二值化binary（将图像的每个像素变成两种值，如0，255）
    分为两种API：
            全局二值化：
                    threshold(img,thresh,maxVal,type)
                        img:图像，最好拿灰度图进行二值化
                        thresh:阈值
                        maxVal:超过阈值，则替换成maxVal
                        type:THRESH_BINARY和THRESH_BINARY_INV,这两个api相反效果，第一个是超过阈值变成最大值，第二个是低于
            局部二值化adaptiveThreshold API：
                    adaptiveThreshold(img,maxVal,adaptiveMethod,
                                      type,blockSize,C)
                    adaptiveMethod(适应方法):
                                        计算阈值的方法：ADAPTIVE_THRESH_MEAN_C:计算邻近区域的平均值
                                                     ADAPTIVE_THRESH_GAUSSIAN_C:高斯窗口甲醛平均值，一般选择这个
                    type:THRESHOLD_BINARY、THRESHOLD_BINARY_INV用法与全局二值化一样
                    blockSize:邻近区域的大小
                    C:常量，应从计算出的平均值或加权平均值中减去，一般设置为0

import cv2 as cv
import numpy as np

img = cv.imread('./img/houmo.png')
img1 = cv.cvtColor(img,cv.COLOR_BGR2GRAY)


ret,dst = cv.threshold(img1,127,255,cv.THRESH_BINARY)
# 与上面效果相反
# ret,dst = cv.threshold(img1,127,255,cv.THRESH_BINARY_INV)

print(ret,dst.shape)
print(dst)
cv.imshow('img1',img1)
cv.imshow('dst',dst)
cv.waitKey(0)

局部二值化adaptiveThreshold

import cv2 as cv
import numpy as np

img = cv.imread('./img/houmo.png')
img1 = cv.cvtColor(img,cv.COLOR_BGR2GRAY)


dst = cv.adaptiveThreshold(img1,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,7,0)


print(dst)
cv.imshow('img1',img1)
cv.imshow('dst',dst)
cv.waitKey(0)