图像的阈值处理
图像的阈值
图像的阈值处理用大白话讲就是将图像转化为二值图像（黑白图），目的是用来提取图像中的目标物体，将背景和噪声区分开（可以近似的认为除了目标全是噪声）。
通常会设定一个阈值 T ，通过 T 将图像的像素划分为两类：大于 T 的像素群和小于 T 的像素群。
首先可以先将图像转化为灰度图像，因为在灰度图像中，每个像素都只有一个灰度值用来表示当前像素的亮度。
接下来二值化处理可以将图像中的像素划分为两类颜色，一种是大于阈值 T 的，另一种是小于阈值 T 的。
比如最常见的二值图像：
当灰度值小于阈值 T 的时候，可以将其像素设置为 0 ，表示为黑色。
当灰度值大于阈值 T 的时候，可以将其像素设置为 255 ，表示为白色。
在 OpenCV 中，为我们提供了阈值函数 threshold() 来帮助我们实现二值图像的处理。
函数如下：
retval, dst = threshold(src, thresh, maxval, type, dst=None)
retval: 阈值
dst: 处理后的图像
src: 原图像
thresh: 阈值
maxval: 最大值
type: 处理类型
常用的 5 中处理类型如下：
cv.THRESH_BINARY: 二值处理
cv.THRESH_BINARY_INV: 反二值处理
cv.THRESH_TRUNC:截断阈值化
cv.THRESH_TOZERO: 阈值化为 0
cv.THRESH_TOZERO_INV: 反阈值化为 0
处理类型详细代码实现如下：
二值化处理
这种二值处理方式最开始需要选定一个阈值 T ，从 0 ~ 255 之间，我这里选择出于中间的那个数 127 。
接下来的处理规则就是这样的：
大于等于 127 的像素点的灰度值设定为最大值，也就是 255 白色
小于 127 的像素点的灰度值设定为 0 ，也就是黑色
import cv2 as cv src = cv.imread("data.jpg") # BGR 图像转灰度 gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY) # 二值图像处理 r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_BINARY) # 显示图像 cv.imshow("src", src) cv.imshow("result", b) # 等待显示 cv.waitKey(0) cv.destroyAllWindows()
反二值化处理
这种方式和上面的二值处理非常相似，只是把处理规则给反了一下：
大于等于 127 的像素点的灰度值设定为 0 ，也就是白色
小于 127 的像素点的灰度值设定为最大值，也就是 255 白色
完整代码如下：
import cv2 as cv src = cv.imread("data.jpg") # BGR 图像转灰度 gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY) # 二值图像处理 r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_BINARY_INV) # 显示图像 cv.imshow("src", src) cv.imshow("result", b) # 等待显示 cv.waitKey(0) cv.destroyAllWindows()
截断阈值化
这种方法还是需要先选定一个阈值 T ，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。
完整代码如下：
import cv2 as cv src = cv.imread("data.jpg") # BGR 图像转灰度 gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY) # 二值图像处理 r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_TRUNC) # 显示图像 cv.imshow("src", src) cv.imshow("result", b) # 等待显示 cv.waitKey(0) cv.destroyAllWindows()
阈值化为0
这种方式还是需要先选定一个阈值 T ，将小于 T 的像素点设置为 0 黑色，其他的保持不变。
完整代码如下：
import cv2 as cv src = cv.imread("data.jpg") # BGR 图像转灰度 gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY) # 二值图像处理 r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_TOZERO) # 显示图像 cv.imshow("src", src) cv.imshow("result", b) # 等待显示 cv.waitKey(0) cv.destroyAllWindows()
反阈值化为0
这个和前面的反二值图像很像，同样是反阈值化为 0 ，将大于等于 T 的像素点变为 0 ，其余保持不变。
完整代码如下：
import cv2 as cv src = cv.imread("data.jpg") # BGR 图像转灰度 gray_img = cv.cvtColor(src, cv.COLOR_BGR2GRAY) # 二值图像处理 r, b = cv.threshold(gray_img, 127, 255, cv.THRESH_TOZERO_INV) # 显示图像 cv.imshow("src", src) cv.imshow("result", b) # 等待显示 cv.waitKey(0) cv.destroyAllWindows()
