python-opencv【图像处理-阈值处理】

阈值处理

阈值处理：设定阈值，高于该阈值的像素点的像素值，统一设定为max，低于该阈值的像素点的像素值设定为min，实现二值化效果，即为黑白效果，剔除许多干扰信息。

在opencv中调用的函数

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

其中：
1.src表示输入的待处理图像
2.thresh，设定的阈值，以此将待处理图像中的像素点的像素值进行划分
3.maxval，如果像素点的像素值大于阈值，则maxval设定的值便赋予大于阈值的像素点的像素值
4.type,二值化的操作类型，总共有5种类型：
cv.THRESH_BINARY: 超过阈值部分取maxval，否则取0
cv.THRESH_TOZERO_INV: cv.THRESH_TOZERO的反转
cv.THRESH_TOZERO： 大于阈值部分的不改变，否则设置为0
cv.THRESH_TRUNC： 大于阈值部分设置为阈值，否则设置为0
cv.THRESH_BINARY_INV: cv.THRESH_BINARY的反转

实现代码：

import cv2 as cv
import numpy as np
import  matplotlib.pyplot as plot
def th(filepath):
    img=cv.imread(filepath)
    img=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    ret,img1=cv.threshold(img,127,255,cv.THRESH_BINARY)
    ret, img2 = cv.threshold(img, 127, 255, cv.THRESH_TOZERO)
    ret, img3 = cv.threshold(img, 127, 255, cv.THRESH_BINARY_INV)
    ret, img4 = cv.threshold(img, 127, 255, cv.THRESH_TOZERO_INV)
    ret, img5 = cv.threshold(img, 127, 255, cv.THRESH_TRUNC)
    a=[img1,img2,img3,img4,img5]
    for i in a:
        cv.imshow('result',i)
        cv.waitKey(0)

th(r'F:\z\2\img\street.jpg')

实验结果

待处理图像：

处理后的图像：