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: