二值化Thresholding

本文介绍了图像处理中的二值化技术,包括阈值化方法如cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV等,并探讨了全局阈值与自适应阈值的应用,如Otsu's Method和Adaptive Thresholding。这些技术在图像分析和边界检测中起到关键作用,特别是在处理亮度变化的图像时,自适应阈值能提供更好的结果。
摘要由CSDN通过智能技术生成

在图像处理中,Thresholding中文翻译过来叫二值化或者阈值化。二值化就是把图片传换成只有white和black这两种颜色。通过Thresholding,可以让图片中感兴趣的颜色变成主角–white,其余的颜色全部隐藏–black。另外,二值化后的图片也便于计算机进行分析,因为边缘轮廓十分清晰,所以计算机可以轻松找到边界线。然而,在找边界这方面,Thresholding并不是特别好的算法,有些时候遇到某些特殊图片效果也不好。

二值化的应用

from imutils import *
image = imread('image/coins.jpg')
show(image)

请添加图片描述

gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
plt.imshow(gray,'gray')  #使用灰度图效果显示图片
plt.axis('off')
plt.show()

请添加图片描述

• cv2.THRESH_BINARY
• cv2.THRESH_BINARY_INV # 阈值化操作,值大于阈值,变成较大的值,小于变为0
• cv2.THRESH_TRUNC
• cv2.THRESH_TOZERO
• cv2.THRESH_TOZERO_INV

FAO
ret1,thresh1 = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  #阈值都定义为127
ret2,thresh2 = cv2.threshold(gray,127,255,cv2.THRESH_BINARY_INV)
ret3,thresh3 = cv2.threshold(gray,127,255,cv2.THRESH_TRUNC)
ret4,thresh4 = cv2.threshold(gray,127,255,cv2.THRESH_TOZERO)
ret5,thresh5 = cv2.threshold(gray,127,255,cv2.THRESH_TOZERO_INV)
titles = ['original','BINARY'
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值