Opencv图像的阈值处理（包括自适应阈值）

在图像处理中，阈值处理是一种常用的方法，它可以将图像中的像素二值化为黑白两种颜色。在OpenCV中，可以使用cv2.threshold()函数对图像进行阈值处理。该函数可以根据指定的阈值将图像二值化，也可以使用自适应阈值将图像分割成黑白两部分。

1. 全局阈值处理

全局阈值处理是指根据指定的阈值将整个图像二值化。在OpenCV中，可以使用cv2.threshold()函数实现全局阈值处理。例如，下面的代码将图像中的像素值大于128的部分设置为255，其余部分设置为0：

 import cv2

# 读取图像
img = cv2.imread('image.jpg', 0)

# 全局阈值处理
ret, th = cv2.threshold(img, 128, 255, cv2.THRESH_BINARY)

# 显示结果
cv2.imshow('Result', th)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，使用cv2.threshold()函数将图像二值化，该函数需要传入原始图像、指定的阈值（128）、最大像素值（255）以及阈值处理方法（这里使用了THRESH_BINARY）。函数返回值包括阈值（ret）和二值化后的图像（th），然后将二值化后的图像显示出来。

2. 自适应阈值处理

自适应阈值处理是指根据图像局部像素的均值或高斯加权平均值来计算阈值，从而将图像分割成黑白两部分。在OpenCV中，可以使用cv2.adaptiveThreshold()函数实现自适应阈值处理。例如，下面的代码将图像分割成黑白两部分：

import cv2

# 读取图像
img = cv2.imread('image.jpg', 0)

# 自适应阈值处理
th = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

# 显示结果
cv2.imshow('Result', th)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，使用cv2.adaptiveThreshold()函数将图像分割成黑白两部分，该函数需要传入原始图像、最大像素值（255）、自适应阈值处理方法（这里使用了ADAPTIVE_THRESH_MEAN_C）、阈值处理方法（这里使用了THRESH_BINARY）、局部块大小（11）以及阈值调整常数（2）。函数返回二值化后的图像（th），然后将其显示出来。

除了ADAPTIVE_THRESH_MEAN_C外，还可以使用ADAPTIVE_THRESH_GAUSSIAN_C作为自适应阈值处理方法，该方法使用局部像素的高斯加权平均值计算阈值。需要根据具体的应用场景选择合适的方法。