阈值的切割--基于opencv

（一）基于固定阈值的分割（全局）
（1）基本定义：
固定阈值的分割是 最为简单的一种图像分割方法，即选取一个全局阈值，然后就把整幅图像分成了非黑即白的二值图像。
（2）关键函数：
ret, th = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
ret : return value缩写，代表当前的阈值，暂时不用理会(用于OTSU)
th : 切割后的图像

cv2.threshold()函数有四个参数：
参数1：要处理的原图，一般是灰度图
参数2：设定的阈值
参数3：最大阈值，一般为255
参数4：阈值的方式，主要有5种：

• cv2.THRESH_BINARY ： 大于阈值部分取maxval（最大值），小于阈值的取0
• cv2.THRESH_BINARY_INV ： 小于阈值部分取maxval（最大值），大于阈值的取0
• cv2.THRESH_TRUNC ： 大于阈值部分设为阈值，小于阈值的不变
• cv2.THRESH_TOZERO ： 大于阈值部分不改变，小于阈值的取0
• cv2.THRESH_TOZERO_INV ： 小于阈值部分不改变，大于阈值的取0

import cv2
import matplotlib.pyplot as plt
 
# 灰度图读入
img = cv2.imread('jiao.png', 0)
 
# 阈值分割
ret, th = cv2.threshold(img, 131, 255, cv2.THRESH_BINARY)
# cv2.imshow('thresh', th)
# cv2.waitKey(0)

# 应用5种不同的阈值方法
ret, th1 = cv2.threshold(img, 131, 255, cv2.THRESH_BINARY)
ret, th2 = cv2.threshold(img,131, 255, cv2.THRESH_BINARY_INV)
ret, th3 = cv2.threshold(img, 131, 255, cv2.THRESH_TRUNC)
ret, th4 = cv2.threshold(img, 131, 255, cv2.THRESH_TOZERO)
ret, th5 = cv2.threshold(img, 131, 255, cv2.THRESH_TOZERO_INV)
 
titles = ['Original', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img, th1, th2, th3, th4, th5]
 
# 使用Matplotlib显示
for i in range(6):
    plt.subplot(2, 3, i + 1)
# plt.subplot(3,2,4) :  分成3行2列，共6个绘图区域，在第4个区域绘图。排序为行优先。也可 plt.subplot(324)，将逗号省略。
    plt.imshow(images[i], 'gray')
    plt.title(titles[i], fontsize=8)
# plt.title(): 对图形整体增加文本标签
    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴
 
plt.show()

第一个图为灰度图，以下五幅图对应着五种不同的模式！！

注意：
GaussianBlur函数：
函数作用：对图像进行高斯滤波，去除噪声，图像预处理一般都用
语法：GaussianBlur（src，ksize，sigmaX [，dst [，sigmaY [，borderType]]]）-> dst

1. src输入图像；
2. dst输出图像
3. ksize高斯内核大小。 ksize.width和ksize.height可以不同，但​​它们都必须为正数和奇数，也可以为零，然后根据sigma计算得出。
4. sigmaX X方向上的高斯核标准偏差。
5. sigmaY Y方向上的高斯核标准差；如果sigmaY为零，则将其设置为等于sigmaX；如果两个sigmas为零，则分别从ksize.width和ksize.height计算得出；为了完全控制结果，而不管将来可能对所有这些语义进行的修改，建议指定所有ksize，sigmaX和sigmaY。