'''
简单阈值,这种方法非常简单。但像素值高于阈值时,我们给这个像素赋予一个新值(可能是白色),否则我们给它赋予
另外一种颜色(也许是黑色)。这个函数就是 cv2.threshhold()。这个函数的第一个参数就是原图像,原图像应该是灰度
图。第二个参数就是用来对像素值进行分类的阈值。第三个参数就是当像素值高于(有时是小于)阈值时应该被赋予的新
的像素值。OpenCV提供了多种不同的阈值方法,这是有第四个参数来决定的。这些方法包括:
'''
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('timg.jpg',0)
ret,thresh1 = cv.threshold(img,127,255,cv.THRESH_BINARY)
ret,thresh2 = cv.threshold(img,127,255,cv.THRESH_BINARY_INV)
ret,thresh3 = cv.threshold(img,127,255,cv.THRESH_TRUNC)
ret,thresh4 = cv.threshold(img,127,255,cv.THRESH_TOZERO)
ret,thresh5 = cv.threshold(img,127,255,cv.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.title(titles[i])
plt.imshow(images[i],'gray')
plt.xticks([]),plt.yticks([])
plt.show()
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/45dc7a6f88cb01893edc9c58de7357b7.png)
'''
自适应阈值,在前面的部分我们使用是全局阈值,整幅图像采用同一个数作为阈值。当时这种方法并不适应与所有情况,尤其
是当同一幅图像上的不同部分的具有不同亮度时。这种情况下我们需要采用自适应阈值。此时的阈值是根据图像上的每一个小
区域计算与其对应的阈值。因此在同一幅图像上的不同区域采用的是不同的阈值,从而使我们能在亮度不同的情况下得到更好的结果。
'''
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('timg.jpg',0)
img1 = cv.medianBlur(img,5)
ret,th1 = cv.threshold(img1,150,255,cv.THRESH_BINARY)
th2 = cv.adaptiveThreshold(img1,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,11,3)
th3 = cv.adaptiveThreshold(img1,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,23,8)
th4 = cv.adaptiveThreshold(img1,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,45,8)
titles = ['Original Image', 'img1','Global Thresholding (v=150)','Mean Thresholding', 'Gaussian Thresholding','Mean Thresholding']
images = [img,img1,th1,th2,th3,th4]
for i in range(6):
plt.subplot(2,3,i+1)
plt.title(titles[i])
plt.imshow(images[i],'gray')
plt.xticks([]),plt.yticks([])
plt.show()
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/b08a73fa5097cb7b92e9d9d1607578b2.png)