四、图像阈值分割（二值化）

目录

（一）简单阈值

（二）自适应阈值

（三）Otsu's二值化

---

处理灰度图

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值 T，用 T 将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

       阈值分割法的特点是:适用于目标与背景灰度有较强对比的情况，重要的是背景或物体的灰度比较单一，而且总可以得到封闭且连通区域的边界。

（一）简单阈值

选取一个全局阈值，然后就把整幅图像分成非黑即白的二值图像。

cv2.threshold( )

这个函数有四个参数，第一个是原图像矩阵，第二个是进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有：

• cv2.THRESH_BINARY（黑白二值）

• cv2.THRESH_BINARY_INV（黑白二值翻转）

• cv2.THRESH_TRUNC（得到额图像为多像素值）

• cv2.THRESH_TOZERO（当像素高于阈值时像素设置为自己提供的像素值，低于阈值时不作处理）

• cv2.THRESH_TOZERO_INV（当像素低于阈值时设置为自己提供的像素值，高于阈值时不作处理）

这个函数返回两个值，第一个值为阈值，第二个就是阈值处理后的图像矩阵。
 

# encoding: utf-8

import cv2
import matplotlib.pyplot as plt
import math
import copy
import numpy as np

def show_img(name="tes