OpenCV学习笔记（三）：基本阈值处理操作的进阶

2023-12-31 16:06:23

作为一名技术博客创作专家，我很高兴为您呈现OpenCV学习笔记的第三部分，我们将深入探讨基本阈值处理操作的进阶知识。阈值操作是图像处理中的基本技术，旨在将图像中的像素值分成两类：感兴趣区域和非感兴趣区域，它是图像分割、边缘检测和二值化的基础。

1. 阈值操作简介

阈值操作通过比较图像中的每个像素灰度值与给定的阈值，将像素分成两类：高于阈值的像素值置为最大值，低于阈值的像素值置为0。阈值操作的目的是从图像中提取出感兴趣的区域，并将其与背景分离开来。

2. 不同阈值方法

OpenCV提供了多种阈值方法，每种方法都有其独特的特点和应用场景。下面列举一些常用的阈值方法：

二进制阈值: 最简单的阈值方法，将像素值与给定的阈值比较，大于阈值的像素值置为255，小于阈值的像素值置为0。
反二进制阈值: 与二进制阈值相反，将像素值与给定的阈值比较，大于阈值的像素值置为0，小于阈值的像素值置为255。
截断阈值: 将像素值与给定的阈值比较，大于阈值的像素值保持不变，小于阈值的像素值置为0。
阈值反转: 与截断阈值相反，将像素值与给定的阈值比较，大于阈值的像素值置为0，小于阈值的像素值保持不变。
自适应阈值: 根据图像局部情况自动调整阈值，适用于图像亮度不均匀的情况。

3. Python代码示例

import cv2
import numpy as np

# 读取图像
image = cv2.imread("image.jpg")

# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二进制阈值
binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)[1]

# 反二进制阈值
anti_binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)[1]

# 截断阈值
trunc = cv2.threshold(gray, 127, 255, cv2.THRESH_TRUNC)[1]

# 阈值反转
tozero = cv2.threshold(gray, 127, 255, cv2.THRESH_TOZERO)[1]

# 自适应阈值
adaptive = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

# 显示结果
cv2.imshow("Binary", binary)
cv2.imshow("Anti-Binary", anti_binary)
cv2.imshow("Trunc", trunc)
cv2.imshow("Tozero", tozero)
cv2.imshow("Adaptive", adaptive)
cv2.waitKey(0)
cv2.destroyAllWindows()