图像运算——阈值处理之adaptiveThreshold函数

自适应阈值处理

案例© Fu Xianjun. All Rights Reserved.
对于色彩均衡的图像，直接使用一个阈值就能完成对图像的阈值化处理。但是，有时图像的色彩是不均衡的，此时如果只是使用一个阈值，就无法得到清晰有效的阈值分割结果图像。
OpenCV提供了函数cv2.adaptiveThreshold()来实现自适应阈值处理。

素材：

adaptiveThreshold函数：

dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

src： 输入图,必须是单通道的图像
dst： 输出图
maxValue：最大值
adaptiveMethod：自适应方法
thresholdType：阈值处理方法，必须是cv2.THRESH_BINARY或者cv2.THRESH_BINARY_INV
blockSize：块大小，一个像素在计算其阈值时所使用的领域尺寸。
C：常量

把原图从BGR模式转换成GRAY模式：

import cv2
peppa = cv2.imread('peppa.jpg')
img=cv2.cvtColor(peppa,cv2.COLOR_BGR2GRAY)
cv2.imshow('Peppa',img)
cv2.waitKey()
cv2.destroyAllWindows()

效果图：

方法cv2.ADAPTIVE_THRESH_MEAN_C

athdMEAN=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,7,5)

效果图：

方法cv2.ADAPTIVE_THRESH_GAUSSIAN_C

athdGAUS=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)

效果图：

能看出两种函数处理方法的差距在哪吗？