文章目录

🍹1. 什么是阈值处理？

🍹2.二值化处理 与 反二值化处理

🍹3. 零处理

🍹4. 截断处理

🍹5.五种处理方式汇总

🍹6. 自适应处理

✨平均法 cv2.ADAPTIVE_THRESH_MEAN_C

✨高斯法 cv2.ADAPTIVE_THRESH_GAUSSIAN_C

🍹7. Otsu方法

🍹1. 什么是阈值处理？

在图像处理中，阈值处理是一种很重要的处理方式。阈值处理即给像素值设定一个阈值，然后所有的像素值都与目标阈值进行比较，根据像素值与阈值的关系，对像素值做出相应的调整，以达到影响图片的效果的预期。在计算机视觉技术中心，阈值处理十分重要，像素在经过阈值处理后，对肉眼观感可能不会太好，但是对程序而言图片上的人或物则通常更容易被搜寻到特征，以被识别出。从而实现识别的目的。

阈值处理常用的方法：threshold()方法。

✨其语法如下：

threshold(src, thresh, maxval, type, dst=None)

• src: 原图
• thresh: 阈值
• maxval: 阈值处理采用的最大值，通常选择255作为最大值，即白色。
• type: 阈值处理类型。

 常用的阈值处理类型

🍹2.二值化处理 与 反二值化处理

二值化处理，也称二值化阈值处理，该处理使每个像素值与指定的阈值相比较，大于阈值的像素变为最大值，小于阈值的像素值变为零。最终可以使像素只保留两种像素值，得到“非黑即白”的图像（不同与灰度处理）。

反二值化处理的处理结果与二值化处理相反，得到的也是只有黑白两种颜色的图像，不同之处在于大于阈值的像素值变为0，小于阈值的变为阈值处理采用的最大值。

下面，对二值化处理的方式进行示例，

选择图片素材：

   ✨梵高 《向日葵》✨

以127作为阈值，255为阈值处理最大值为例，读取图像时，需要先将图像转化为灰度图像。

import cv2
# 将图像读成灰度图像
img = cv2.imread("sunflowers.jpg", 0)  
# 做二值化处理
t, dst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
# 其中返回的t即我们选择的阈值127。
cv2.imshow('dst', dst) 
cv2.waitKey() 
cv2.destroyAllWindows() 

处理效果：

👇同理，再对《向日葵》做反二值化处理：

import cv2
img = cv2.imread("sunflowers.jpg", 0)
# 反二值化阈值处理
t, dst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
cv2.imshow('dst', dst)
cv2.waitKey()
cv2.destroyAllWindows()

🍹3. 零处理

零处理包括 低于阈值零处理 和 超出阈值零处理（也称低阈值零处理和高阈值零处理）。低于阈值零处理将低于阈值的像素值变为0，超出阈值零处理则将高于阈值的像素值变为0。

import cv2
img = cv2.imread("sunflowers.jpg", 0)
# 低于阈值零处理
t, dst = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
cv2.imshow('dst', dst)
cv2.waitKey()
cv2.destroyAllWindows()

import cv2
img = cv2.imread("sunflowers.jpg", 0)
# 超出阈值零处理
t, dst = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)
cv2.imshow('dst', dst)
cv2.waitKey()
cv2.destroyAllWindows()

👇超阈值零处理效果呈现：

🍹4. 截断处理

截断处理也称截断阈值处理，将大于阈值的像素值变成跟阈值一样，小于阈值的像素值则保持不变。

截断处理后图像的整体颜色会变暗，亮度降低，原本浅色区域的颜色会变更浅。

代码示例如下：

import cv2
# 将图像读成灰度图像
img = cv2.imread("sunflowers.jpg", 0)
# 截断处理
t, dst = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
cv2.imshow('dst', dst)
cv2.waitKey()
cv2.destroyAllWindows()