python：opencv 二值化处理

1：二值化处理
https://blog.csdn.net/zj360202/article/details/79165796

定义：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

       一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

简单的阈值-（全局阈值）：
Python-OpenCV中提供了阈值（threshold）函数：
cv2.threshold（）

函数：第一个参数 src 指原图像，原图像应该是灰度图。
第二个参数 x 指用来对像素值进行分类的阈值。
第三个参数 y 指当像素值高于（有时是小于）阈值时应该被赋予的新的像素值
第四个参数 Methods 指，不同的不同的阈值方法，这些方法包括：

•cv2.THRESH_BINARY 图（1）
•cv2.THRESH_BINARY_INV 图（2）
•cv2.THRESH_TRUNC 图（3）
•cv2.THRESH_TOZERO 图（4）
•cv2.THRESH_TOZERO_INV 图（5）

破折线为将被阈值化的值；虚线为阈值

图（1）
大于阈值的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于阈值的像素点的灰度值设定为0。

图（2）
大于阈值的像素点的灰度值设定为0，而小于该阈值的设定为255。

图（3）

像素点的灰度值小于阈值不改变，大于阈值的灰度值的像素点就设定为该阈值。

图（4）

像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

图（5）

像素点的灰度值大于该阈值的不进行任何改变，像素点的灰度值小于该阈值的，其灰度值全部变为0。

import cv2  
import numpy as np  
from matplotlib import pyplot as plt  
img=cv2.imread('1.bmp')  
GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
ret,thresh1=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)  
ret,thresh2=cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY_INV)  
ret,thresh3=cv2.threshold(GrayImage,127,255,cv2.THRESH_TRUNC)  
ret,thresh4=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO)  
ret,thresh5=cv2.threshold(GrayImage,127,255,cv2.THRESH_TOZERO_INV)  
titles = ['Gray Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']  
images = [GrayImage, thresh1, thresh2, thresh3, thresh4, thresh5]  
for i in xrange(6):  
   plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()