02阈值与平滑处理

2.1图像阈值

ret, dst = cv2.threshold(src, thresh, maxval, type)
thresh：一般为127
maxval：一般为255

• src： 输入图，只能输入单通道图像，通常来说为灰度图
• dst： 输出图
• ret： 返回阈值的数值
• thresh： 阈值
• maxval：当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
• type：二值化操作的类型，包含以下5种类型

• cv2.THRESH_BINARY；
  超过阈值部分取maxval（最大值），否则取0
  >127的取255（越亮的更亮）
• cv2.THRESH_BINARY_INV；
  THRESH_BINARY的反转
  <127的取255
• cv2.THRESH_TRUNC；
  大于阈值部分设为阈值，否则不变
  >127的取127
• cv2.THRESH_TOZERO；
  大于阈值部分不改变，否则设为0
  <127的取0（越暗的更暗）
• cv2.THRESH_TOZERO_INV
  THRESH_TOZERO的反转
  

import cv2
import matplotlib.pyplot as plt

img_gray = cv2.imread('cat.jpg')
ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)
titles = ['original', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img_gray, thresh1, thresh2, thresh3, thresh4, thresh5]
for i in range(6):
    plt.subplot(2, 3, i + 1)
    plt.imshow(images[i], 'gray')
    plt.title(titles[i])
plt.show()

运行结果↓↓↓

2.2平滑处理

18	54	51	239	244	188
55	121	75	78	95	88
35	24	204	78	95	88
3	154	104	235	25	25
15	253	225	159	78	233
68	85	189	214	145	0

2.2.0"头文件"

import cv2

img = cv2.imread('lenaNoise.png')

2.2.1均值滤波

简单的平均卷积操作

blur = cv2.blur(img, (3, 3))
cv2.imshow('blur', blur)
cv2.waitKey(0);
cv2.destroyAllWindows()

2.2.2方框滤波

• 基本和均值一样，可以选择归一化，不做归一化容易越界溢出
• 当之和>255就取255(所以图片就很亮)

box = cv2.boxFilter(img, -1, (3, 3), normalize=False)
# -1表示在颜色通道上保持一致
# normalize=True,加上就跟均值滤波一样
cv2.imshow('box', box)
cv2.waitKey(0);
cv2.destroyAllWindows()

2.2.3高斯滤波

高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的

aussian = cv2.GaussianBlur(img, (5, 5), 1)

cv2.imshow('aussian', aussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.2.4中值滤波

#相当于用中值代替

median = cv2.medianBlur(img, 5)# 5*5的框大小

cv2.imshow('median', median)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个图片就“圆滑”许多了

2.2.5展示所有的滤波结果

res = np.hstack((blur,aussian,median))  # vstack为垂直方向
#print (res)
# 控制窗口显示大小的（太大了不好显示）
cv2.namedWindow("median vs average",0);
cv2.resizeWindow("median vs average", 640, 480);

cv2.imshow('median vs average', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

ps:

opencv改变imshow窗口大小,窗口位置的方法