动态二维码中值滤波处理_opencv（二）之图像阈值与平滑处理

接着上一次的文章：

social：opencv-python库基础操作（一）​zhuanlan.zhihu.com

还是用这只猫咪：

进行灰度处理有利于后续操作：

img_gray = cv2.imread("cat.jpg", cv2.IMREAD_GRAYSCALE)

1.最简单的阈值处理

#超过阈值（127）部分，取maxval（255，白色），否则取0（黑色）
ret , thresh1  = cv2.threshold(img_gray, 127 ,255, cv2.THRESH_BINARY)

2.最简单的阈值处理de反转

#为第一种情况的反转

res , thresh2= cv2.threshold(img_gray, 127 ,255, cv2.THRESH_BINARY_INV)

3.截断处理（to_阈值）

#大于阈值部分设置为阈值，否则不变
res,  thresh3 = cv2.threshold(img_gray , 127, 255, cv2.THRESH_TRUNC)

4.截断处理（to_zero）

#超过阈值部分不改变，否则为0
res  , thresh4 = cv2.threshold(img_gray , 127, 255 , cv2.THRESH_TOZERO)
cv_show("thresh4",thresh4)

5.截断处理的反转（to_zero）

#第四种情况的反转
res  , thresh5 = cv2.threshold(img_gray , 127, 255 ,cv2.THRESH_TOZERO_INV)
cv_show("thresh5",thresh5)

接下来介绍，# 图像平滑处理（各种滤波操作）

import cv2
img = cv2.imread("cat.jpg")

1.均值滤波

#简单的平均卷积操作

blur = cv2.blur(img,(3,3))
cv2.imshow("img2", blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.方框滤波

#基本和均值一样，可以选择归一化

box = cv2.boxFilter(img ,  -1 , (3,3) , normalize = True)
cv2.imshow("img3",box)
cv2.waitKey(0)
cv2.destroyAllWindows()

box = cv2.boxFilter(img ,  -1 , (3,3) , normalize = False)
cv2.imshow("img3",box)
cv2.waitKey(0)
cv2.destroyAllWindows()
#若越界，会直接取255

3.高斯滤波

#高斯滤波
#卷积核里的数值是满足高斯分布的，相当于更加重视中间
aussian = cv2.GaussianBlur(img_cat,(3,3) , 1)

cv2.imshow("aussian" , aussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.中值滤波

#该方法对“噪音点”处理效果较好
#中值滤波
#相当于用中值代替

median = cv2.medianBlur(img, 5 )
cv2.imshow("median" , median)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.展示所有的

import numpy as np
res =  np.hstack((blur, aussian, median)) #这里是横着展示的
#也可以选择竖着展示
cv2.imshow("blur, aussian, median" , res)
cv2.waitKey(0)
cv2.destroyAllWindows()
（太长了，就不展示出来了）