OpenCV学习10-图像的阈值

'''
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)
#第一个参数，第一个参数就是原图像，原图像应该是灰度图
#第二个参数，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，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。
#第四个参数，int类型的type，阈值类型 ，有以下几种类型
#0: THRESH_BINARY  当前点值大于阈值时，取Maxval,也就是第四个参数，下面再不说明，否则设置为0
#1: THRESH_BINARY_INV 当前点值大于阈值时，设置为0，否则设置为Maxval
#2: THRESH_TRUNC 当前点值大于阈值时，设置为阈值，否则不改变
#3: THRESH_TOZERO 当前点值大于阈值时，不改变，否则设置为0
#4: THRESH_TOZERO_INV  当前点值大于阈值时，设置为0，否则不改变
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):
	#(2,3,i+1),2,3表示2*3个图像，因为不能从0开始，所以要i+1
	plt.subplot(2,3,i+1)
	#输出图像标题
	plt.title(titles[i])
	#输出图像
	plt.imshow(images[i],'gray')
	#x，y坐标不显示
	plt.xticks([]),plt.yticks([])
plt.show()

'''
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)

#这种方法需要我们指定三个参数，返回值只有一个。
#• Adaptive Method- 指定计算阈值的方法。
#– cv2.ADPTIVE_THRESH_MEAN_C：阈值取自相邻区域的平均值
#– cv2.ADPTIVE_THRESH_GAUSSIAN_C：阈值取值相邻区域的加权和，权重为一个高斯窗口。
#• Block Size - 邻域大小（用来计算阈值的区域大小）。
#• C - 这就是是一个常数，阈值就等于的平均值或者加权平均值减去这个常数。
#11，23，8 为 Block size, 3，8 为 C 值
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):
	#(2,3,i+1),2,3表示2*3个图像，因为不能从0开始，所以要i+1
	plt.subplot(2,3,i+1)
	#输出图像标题
	plt.title(titles[i])
	#输出图像
	plt.imshow(images[i],'gray')
	#x，y坐标不显示
	plt.xticks([]),plt.yticks([])
plt.show()