cv2.threshold()、OTSU和cv2.adaptiveThreshold()简要介绍

定义

• cv2.threshold(src, thresh, maxval, type)
• cv2.adaptiveThreshold(src,maxvalue,method,type1,size,c)

用法

cv2.threshold(src, thresh, maxval, type)

函数作用	1.若为普通阈值分割，则设定一个阈值，当像素值高于阈值时，我们给这个像素赋予一个新的值（可能是白色），否则我们给它赋予另外一个新值（也许是黑色）。有两个返回值，第一个是得到的阈值值，第二个就是阈值化后的图像 2.若为OTSU阈值分割，要把阈值设为 0。 此时的函数 cv2.threshold()会自动寻找最优阈值，并将返回该阈值。
src	输入图像（只能输入灰度图）
thresh	设定的阈值，若使用的OTSU大津阈值,则该值为0
maxval	当像素值高于（或者小于）阀值时，应该被赋予新的像素值
type	二值化操作的类型，共有五种类型（见下述） 若使用OTSU阈值处理，则在其后+cv2.THRESH_OTSU （例如：cv2.THRESH_BINARY+cv2.THRESH_OTSU)

cv2.adaptiveThreshold(src,maxvalue,method,type1,size,c)

函数作用	以每个像素点作为中心取一定的区域，计算这个区域的阈值，决定这个像素点变0还是变255
src	输入图像（只能输入灰度图）
maxvalue	当像素值高于（或者小于）阀值时，应该被赋予新的像素值
method	自适应阈值算法，ADAPTIVE_THRESH_MEAN_C（阈值取自相邻区域的平均值）或ADAPTIVE_THRESH_GAUSSIAN_C（阈值取相邻区域的加权和，权重为一个高斯窗口）
type	只能选择THRESH_BINARY或者THRESH_BINARY_INV
size	领域大小，高宽一般取奇数
c	每个邻域计算出的值需要再减去c得到阈值

其中，type包含以下5种类型：

• cv2.THRESH_BINARY
• cv2.THRESH_BINARY_INV
• cv2.THRESH_TRUNC
• cv2.THRESH_TOZERO
• cv2.THRESH_TOZERO_INV

5种类型图解如下：

示例

cv2.threshold()

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('D:/4.png',0)
ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret,thresh5 = cv2.threshold(img,127,255,cv2.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):
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

效果图

 cv2.adaptiveThreshold()

import numpy as np
from matplotlib import pyplot as plt
import cv2

img = cv2.imread('D:/Images/Lena.jpg',0)
img = cv2.medianBlur(img,5)

ret , th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)  
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C , cv2.THRESH_BINARY,11,2 ) 
th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C , cv2.THRESH_BINARY,11,2) 

titles = ['original image' , 'global thresholding (v=127)','Adaptive mean thres holding', 'adaptive gaussian thresholding']
images = [img,th1,th2,th3] 

for i in range(4):
    plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i]) 
plt.show()

效果图