图像阈值

1.1 阈值

与名字一样，这种方法非常简单。但像素值高于阈值时，我们给这个像素赋予一个新值（可能是白色），否则我们给它赋予另外一种颜色（也许是黑色）。这个函数就是 cv2.threshhold()。

这个函数的第一个参数就是原图像，原图像应该是灰度图。第二个参数就是用来对像素值进行分类的阈值。第三个参数就是当像素值高于（有时是小于）阈值时应该被赋予的新的像素值。OpenCV
提供了多种不同的阈值方法，这是有第四个参数来决定的。这些方法包括：
• cv2.THRESH_BINARY
• cv2.THRESH_BINARY_INV
• cv2.THRESH_TRUNC
• cv2.THRESH_TOZERO
• cv2.THRESH_TOZERO_INV

r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY)
这个函数返回两个值：第二个值才是二值化后的图像矩阵
这个函数的入参：
   1.原图像                   
   2.阈值设置为127
   3.255表示大于阈值127的像素值会被重新赋值为255
   4.最后一个参数表示一种二值化算法

注意：原始图像的类型，必须是8位单通道图像,彩色图像无意义

#注意原始图像的类型，必须是8位单通道图像,彩色图像无意义
import cv2
# img = cv2.imread('cat.jpg'，0)  也可以直接将图像用灰度值读入,其中0就表示用灰度读图
a=cv2.imread("image\\lena512.bmp",cv2.IMREAD_UNCHANGED)     # 先将图像矩阵进行二值化
r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY)
# 这个函数返回两个值：第二个值才是二值化后的图像矩阵
# 这个函数的入参：
#   1.原图像
#   2.阈值设置为127
#   3.255表示大于阈值127的像素值会被重新赋值为255
#   4.最后一个参数表示一种二值化算法
cv2.imshow("a",a)
cv2.imshow("b",b)
print(r)
cv2.waitKey()
cv2.destroyAllWindows()

二进制阈值化：r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY)
反二进制阈值化：r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY_INV)
截断阈值化：r,b=cv2.threshold(a,127,255,cv2.cv2.THRESH_TRUNC)
反阈值化为0：r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO_INV)
阈值化为0：r,b=cv2.threshold(a,127,255,cv2.THRESH_TOZERO)

import cv2
a=cv2.imread("image\\lena512.bmp",cv2.IMREAD_UNCHANGED)
#注意原始图像的类型，必须是8位单通道图像,彩色图像无意义
r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY_INV)
r,b1=cv2.threshold(a,127,255,cv2.THRESH_BINARY_INV)
r,b2=cv2.threshold(a,127,255,cv2.THRESH_TRUNC)
r,b3=cv2.threshold(a,127,255,cv2.THRESH_TOZERO_INV)
r,b4=cv2.threshold(a,127,255,cv2.THRESH_TOZERO)
cv2.imshow("a",a)
cv2.imshow("b",b)
print(r)
cv2.waitKey()
cv2.destroyAllWindows()