OpenCV计算机视觉实战(Python版)_03-阈值与平滑处理

图像阈值

ret, dst = cv2.threshold(src, thresh, maxval, type)

• src： 输入图，只能输入单通道图像，通常来说为灰度图
• dst： 输出图
• thresh： 阈值
• maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值

type：二值化操作的类型，包含以下5种类型：

• cv2.THRESH_BINARY； 超过阈值部分取maxval（最大值），否则取0
• cv2.THRESH_BINARY_INV； THRESH_BINARY的反转
• cv2.THRESH_TRUNC； 大于阈值部分设为阈值，否则不变
• cv2.THRESH_TOZERO； 大于阈值部分不改变，否则设为0
• cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转

 

import cv2
import matplotlib.pyplot as plt
img_dog = cv2.imread("D:/WeChat.picture/cat.jpg",0)
ret ,thresh1 = cv2.threshold(img_dog,127,255,cv2.THRESH_BINARY)
ret ,thresh2 = cv2.threshold(img_dog,127,255,cv2.THRESH_BINARY_INV)
ret ,thresh3 = cv2.threshold(img_dog,127,255,cv2.THRESH_TRUNC)
ret ,thresh4 = cv2.threshold(img_dog,127,255,cv2.THRESH_TOZERO)
ret ,thresh5 = cv2.threshold(img_dog,127,255,cv2.THRESH_TOZERO_INV)

titles = ["Original Image", "BINARY" , "Binary_INV" , "TRUNC" , "TOZERO" ,"TOZERO_INV"]
images = [img_dog , thresh1 , thresh2 , thresh3 , thresh4 , thresh5 ]

for i in range(6):
    plt.subplot(2 , 3 , i + 1), plt.imshow(images[i],"gray")
    plt.title(titles[i])
    plt.xticks([]) , plt.yticks([])
plt.show()

图像平滑

图像平滑也就是常说的滤波操作，这里介绍了：均值、方框、高斯、中值四种滤波方法。

import cv2
img = cv2.imread("D:/WeChat.picture/lena.jpg")
cv2.imshow("img",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 均值滤波

# 简单的平均卷积操作
blur = cv2.blur(img,(3,3))   # cv2.blur均值滤波的操作  两个参数 第一个: 图像数据 第二个: 
cv2.imshow("blur",blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

方框滤波

# 基本和均值一样，可以选择归一化,容易越界 
box = cv2.boxFilter(img ,-1 ,(3,3) ,normalize = True) # 当发生越界时,其做法 与 均值滤波 基本一致

cv2.imshow("box",box)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 方框滤波
# 基本和均值一样，可以选择归一化,容易越界 
box = cv2.boxFilter(img ,-1 ,(3,3) ,normalize =False ) # 当发生越界时, 即False时  方阵相乘再相加 时 越界了(255)
                                                     #  越界时 视为 255
cv2.imshow("box",box)
cv2.waitKey(0)
cv2.destroyAllWindows()

高斯滤波

# 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(img,(5,5,),1)

cv2.imshow("aussian",aussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

高斯滤波的思想为：高斯函数，距离原点越近，权重越大。

中值滤波

# 相当于用中值代替 如 (12 43 45 65 67 79 244 3432 ...) 取中间值
median = cv2.medianBlur(img,5)

cv2.imshow("median",median)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 展示所有的
import numpy as np
res =np.hstack((blur , aussian , median))  #res =np.hstack((blur , aussian , median))
cv2.imshow("median vs average",res)
cv2.waitKey(0)
cv2.destroyAllWindows()