Opecv进阶篇---阈值与图像平滑

一、图像阈值：
cv.threshold(src,dst,thresh,macval,type)
src:源图像
dst:输出图像
thresh:阈值
macval：当像素超过了阈值（或者小于阈值，根据type）来决定，所赋的值
type:二值操作的类型
cv.THRESH_BINARY 超过了阈值部分取maxval（最大值），小于阈值部分为0
cv.THRESH_BINARY_INV 小于阈值部分取0，大于阈值部分的取macval
cv.THRESH_TRUNC 设置截断，大于阈值部分的取阈值，小于阈值的不变
cv.THRESH_TOZERO 大于阈值部分的不变，小于的取0
cv.THRESH_TOZERO_INV 小于阈值的不变，大于的取0

src=cv.imread("E:\OpenCVTests/timg (14).jpg")
ret,thresh1=cv.threshold(src,127,255,cv.THRESH_BINARY)
ret,thresh2=cv.threshold(src,127,255,cv.THRESH_BINARY_INV)
ret,thresh3=cv.threshold(src,127,255,cv.THRESH_TRUNC)
ret,thresh4=cv.threshold(src,127,255,cv.THRESH_TOZERO)
ret,thresh5=cv.threshold(src,127,255,cv.THRESH_TOZERO_INV)
titles=['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images=[src,thresh1,thresh2,thresh3,thresh4,thresh5]
for i in range(10):
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

结果：

二、平滑处理：
滤波：先构建一个图像卷积矩阵—核
1、均值滤波：cv.blur()
根据卷积矩阵（全为一）与对应大小的像素矩阵的内积之和的平均值来设置来矩阵的中心矩阵元素

src1=cv.blur(src,(3,3))

2、方框滤波：cv.boxFilter()
基本与均值滤波一样，唯一不同的是可以选择归一化
当normalize=True时，与cv.blur()同
当normalize=False时,当像素值超过255，即越界时，则设置为255

src2=cv.boxFilter(src,-1,(3,3),normalize=True)
src3=cv.boxFilter(src,-1,(3,3),normalize=False)

当normalize=False时：

3、高斯滤波： cv.GaussianBlur()
根据高斯函数的性质来拟确定每个像素点的权重，越接近的权重越大，越远的权重越小，而非上面的函数求平均值

src4=cv.GaussianBlur(src,(5,5),1)

4、中值滤波：cv.medianBlur()，适合应用去椒盐滤波
将这些像素矩阵中的像素值按照顺序从小到大（或者从大到小）排列，取中间值

src5=cv.medianBlur(src,5)