图像阈值处理

目标

• 在本教程中，您将学习简单阈值处理、自适应阈值处理、Otsu 阈值处理等。
• 您将学习以下函数：cv.threshold，cv.adaptiveThreshold 等。

简单阈值处理

这里，事情很简单。如果像素值大于阈值，则将其分配一个值（可能是白色），否则将其分配另一个值（可能是黑色）。

我们使用以下函数：cv.threshold (src, dst, thresh, maxval, type)

参数

src	输入数组。
dst	与 src 具有相同大小和类型以及相同通道数的输出数组。
thresh	阈值。
最大值	与 cv.THRESH_BINARY 和 cv.THRESH_BINARY_INV 阈值类型一起使用的最大值。
type	阈值类型（参见 cv.ThresholdTypes）。

阈值类型 - OpenCV 提供了不同的阈值处理样式，它由函数的第四个参数决定。不同的类型是

• cv.THRESH_BINARY
• cv.THRESH_BINARY_INV
• cv.THRESH_TRUNC
• cv.THRESH_TOZERO
• cv.THRESH_OTSU
• cv.THRESH_TRIANGLE

注意

在使用 cv.THRESH_OTSU 或 cv.THRESH_TRIANGLE 标志的情况下，输入图像应仅为单通道

试试看

自适应阈值处理

在前一节中，我们使用全局值作为阈值。但是在图像在不同区域具有不同光照条件的所有情况下，它可能不是很好。在这种情况下，我们进行自适应阈值处理。在这种情况下，算法会计算图像小区域的阈值。因此，我们为同一图像的不同区域获得不同的阈值，并且对于光照变化的图像，它可以为我们提供更好的结果。

我们使用以下函数：cv.adaptiveThreshold (src, dst, maxValue, adaptiveMethod, thresholdType, blockSize, C)

参数

src	源 8 位单通道图像。
dst	与 src 具有相同大小和相同类型的目标图像。
maxValue	分配给满足条件的像素的非零值
adaptiveMethod	要使用的自适应阈值算法。
thresholdType	必须为 cv.THRESH_BINARY 或 cv.THRESH_BINARY_INV 的阈值类型。
blockSize	用于计算像素阈值的像素邻域的大小：3、5、7，依此类推。
C	从均值或加权均值中减去的常数（请参见下面的详细信息）。通常，它是正数，但也可能为零或负数。

adaptiveMethod - 它决定如何计算阈值

• cv.ADAPTIVE_THRESH_MEAN_C
• cv.ADAPTIVE_THRESH_GAUSSIAN_C

试试看