OpenCv 中的【图像阈值化处理】

正常一个图像分为 R、G、B、三个通道，彩色照片中的每个像素值（生活中的某一中颜色）都是由不同R、G、B的值组合在一起的，比如下面这种：

而 图片去色之后变成灰度图，也就是我们所常见的黑白照片，其实生活中所谓的 "黑白照片"有一定的歧义，仔细观察会发现里面会参杂着不同程度的灰色：

真正意义上的 黑白照片 中只有黑色跟白色，要么是白色，要么是黑色；把一张灰度图变成这样的 黑白照片 也称之为 图像的 二值化：

图像的二值化一般经过下面几个步骤：

• 图像灰度图转化，多通道变单通道；
• 设置阈值，在设置一个新值（介于黑—白之间的颜色），高于这个颜色设为新值，否则设为另外一个颜色；
• 选择调节方法阈值；

OpenCv 中有分为几类阈值：简单阈值、自适应阈值和 Otsu’s 二值化，其实这几种方法都是关于图像二值化处理：

简单阈值

---

简单阈值原理，设置一个阈值，高于这个阈值的图像赋予一个新值，低于这个阈值赋予另一种颜色，用到的函数主要是 cv2.threshhold()；里面需要用到4个参数：第一个是需要处理的原图像；第二个是 设置的阈值，第三个是需要赋予的新的像素值；第四个参数是 不同的阈值方法：

• cv2.THRESH_BINARY;
• cv2.THRESH_BINARY_INV;
• cv2.THRESH_TRUNC;
• cv2.THRESH_TOZERO;
• cv2.THRESH_TOZERO_INV;

五种阈值方法区别如下：

为了让大家更加理解，这里分别用每种阈值方法来处理原图像，代码如下：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img_path = 'D:/ceshi.jpg'


img = cv2.imread(img_path)
#灰度图转化；；；
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)


ret,th1 = cv2.threshold(img_gray,