OpenCV自学笔记九：阈值处理

1. 阈值处理（Thresholding）：阈值处理是一种图像分割的方法，它根据像素灰度值与设定的阈值进行比较，将像素分为两个类别（例如黑白、前景背景等）。阈值处理可以用于目标检测、图像增强等应用。在OpenCV中，常用的阈值处理函数是`cv2.threshold()`。

2. threshold函数：`cv2.threshold(src, thresh, maxval, type[, dst])`是OpenCV中的阈值处理函数。它接受源图像、设定的阈值、最大值、阈值类型以及可选参数目标图像作为输入，并返回两个结果：阈值和处理后的图像。

3. 自适应阈值处理（Adaptive Thresholding）：自适应阈值处理是根据图像的局部特征，自动确定每个像素点的阈值。不同于固定阈值处理，自适应阈值处理能够在不同光照条件下得到更好的效果。在OpenCV中，可以通过`cv2.adaptiveThreshold()`函数实现自适应阈值处理。

4. Otsu处理（Otsu's Thresholding）：Otsu处理是一种自动确定二值化阈值的方法，它通过最小化类间方差或最大化类内方差的方式，找到最佳的阈值。Otsu处理可以在某些情况下得到更好的二值化结果。在OpenCV中，可以使用`cv2.threshold()`函数并将阈值类型设置为`cv2.THRESH_OTSU`来进行Otsu处理。

示例代码：

import cv2

# 读取图像并转为灰度图

image = cv2.imread('input.jpg')

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 使用固定阈值处理

_, binary_image = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY)

# 使用自适应阈值处理

adaptive_image = cv2.adaptiveThreshold(gray_image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

# 使用Otsu处理

_, otsu_image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 显示图像

cv2.imshow('Binary Image', binary_image)

cv2.imshow('Adaptive Threshold Image', adaptive_image)

cv2.imshow('Otsu Image', otsu_image)

cv2.waitKey(0)

cv2.destroyAllWindows()

以上示例中，首先将彩色图像转换为灰度图像。然后使用固定阈值将灰度图像二值化，得到二值图像（`binary_image`）。接着使用自适应阈值处理函数`cv2.adaptiveThreshold()`对灰度图像进行自适应阈值处理，得到处理后的图像（`adaptive_image`）。最后使用Otsu处理方法将灰度图像二值化，得到Otsu处理后的图像（`otsu_image`）。可以根据具体需求调整阈值和参数以获得不同的阈值处理效果。