‘BINARY‘,‘BINARY_INV‘,‘TRUNC‘,‘TOZERO‘,‘TOZERO_INV‘这5种简单阈值有什么区别呢？

问题描述：

'BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV'这5种简单阈值有什么区别呢？

import cv2
import numpy as np
from matplotlib import pyplot as plt
img=cv2.imread('logo5.jpg',0)
ret,thresh1=cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret,thresh2=cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3=cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret,thresh4=cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret,thresh5=cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)
titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]
for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

问题解答：

这五种简单阈值化方法的主要区别在于如何处理像素值，并根据设定的阈值（在你的例子中是127）将其分类。以下是每种方法的具体说明：

1. THRESH_BINARY:

   • 将像素值大于阈值（127）的像素设为最大值（255），小于或等于阈值的像素设为0。
   • 结果是黑白图像，白色表示高于阈值的区域。

2. THRESH_BINARY_INV:

   • 与 THRESH_BINARY 相反。
   • 将像素值小于或等于阈值（127）的像素设为最大值（255），大于阈值的像素设为0。
   • 结果是反转的黑白图像，白色表示低于阈值的区域。

3. THRESH_TRUNC:

   • 将像素值大于阈值（127）的像素值截断为阈值（127），小于或等于阈值的像素保持不变。
   • 结果是原图的部分保留，而高于阈值的部分会被削减到阈值。

4. THRESH_TOZERO:

   • 将像素值小于或等于阈值（127）的像素设为0，而大于阈值的像素保持不变。
   • 结果是只保留高于阈值的区域，低于阈值的区域变为黑色。

5. THRESH_TOZERO_INV:

   • 与 THRESH_TOZERO 相反。
   • 将像素值大于阈值（127）的像素设为0，而小于或等于阈值的像素保持不变。
   • 结果是只保留低于阈值的区域，高于阈值的区域变为黑色。

这些方法可用于图像分割、特征提取等多种计算机视觉任务。

##############################################

THRESH_TRUNC: 将像素值大于阈值（127）的像素值截断为阈值（127），小于或等于阈值的像素保持不变。 结果是原图的部分保留，而高于阈值的部分会被削减到阈值。 这个高于阈值的会被设置成白色吗？

在 THRESH_TRUNC 中，高于阈值的像素不会被设置成白色，而是会被截断到阈值的值。在你的例子中，所有像素值大于127的像素都会被设置为127，而小于或等于127的像素保持不变。

因此，结果中高于阈值的区域将显示为灰色（127），而低于阈值的区域保持其原始值。这样，你会得到一个包含原始像素值和一些被截断的像素的图像。

##################################################

THRESH_BINARY_INV种的INV全称是什么呢？

THRESH_BINARY_INV 中的 INV 是 Inverted 的缩写，意思是“反转”。这种阈值处理方法将像素值进行反转：像素值大于阈值的部分被设置为0（黑色），而像素值小于或等于阈值的部分被设置为最大值（255，白色）。因此，这种方法可以得到反转的二值图像。