Open cv图像处理关于阈值的相关知识

目录

1.代码案例

2.运行结果：

---

1.代码案例

import cv2 as cv2
import matplotlib.pyplot as plt
import  numpy as np
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == "__main__":
    img2 = cv2.imread(r'E:\pre_noise.JPG',cv2.IMREAD_GRAYSCALE)#灰度图
    ret, thresh1 = cv2.threshold(img2,150,255,cv2.THRESH_BINARY)     #超过阈值的部分取maxval（最大值），否则为0
    ret, thresh2 = cv2.threshold(img2, 150, 255, cv2.THRESH_BINARY_INV)  # 超过阈值的部分取0，否则为最大值
    ret, thresh3 = cv2.threshold(img2, 150, 255, cv2.THRESH_TRUNC)  # 超过阈值的部分取阈值本身，否则不变
    ret, thresh4 = cv2.threshold(img2, 150, 255, cv2.THRESH_TOZERO)  # 超过阈值的部分不变（最大值），否则为0
    ret, thresh5 = cv2.threshold(img2, 150, 255, cv2.THRESH_TOZERO_INV)  # 超过阈值的部分取0，否则为不变
    titles = ['pre','binary','birnary_inv','trunc','tozero','tozero_inv']
    images=[img2,thresh1,thresh2,thresh3 ,thresh4,thresh5]
    for i in range(0, 6, 1):
        plt.subplot(3,2, i+1) 
        plt.imshow(images[i],"gray")
    plt.show()

2.运行结果：

 通过和原图对比可以看出，不同的阈值的处理方式得到的图像结果完全不同