上次我们用到了阀值cv2.threshold()命令,具体是:
ret,mask = cv2.threshold(img2gray,220,255,cv2.THRESH_BINARY_INV)
其中,img2gray是要处理的图像;
220是阀值;
255是当数值超过阀值的时候应当设置为多少;
最后是二值化操作的类型,有以下几种类型:
cv2.THRESH_BINARY;
(超出阀值就为设置值255,反之设置为0)
cv2.THRESH_BINARY_INV;
(低于阀值就为设置值255,反之设置为0)
cv2.THRESH_TRUNC;
(截取,看着对比图感觉是越相近就设置得和设置值255相近)
cv2.THRESH_TOZERO;
(超出阀值就为设置值255,低于阀值不处理)
cv2.THRESH_TOZERO_INV
(低于阀值就为设置值255,超出阀值不处理)
这次引入一个新的函数,自适应的阀值cv2.adaptiveThreshold()
自适应阈值二值化函数根据图片一小块区域的值来计算对应区域的阈值,从而得到也许更为合适的图片。
th = cv2.adaptiveThreshold(img2gray, 255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 115, 1)
第一个处理的图像,
255仍然是设置的超出阀值后等于的值,
第三个参数是计算方法有以下几种选择:
cv2.ADAPTIVE_THRESH_MEAN_C
cv2.ADAPTIVE_THRESH_GAUSSIAN_C
再接下来和固定值阀值一样有五个选项,参考上文。
115是图片中分块的大小,这个可以从自适应阀值二值化的定义看出为什么多了这个参数。
最后是阈值计算方法中的常数项。额,这里感觉和数学的不定积分应该扯上什么关系了。
这一点比较简单也比较好操作,可以自行操作体会。