什么是阈值处理

阈值处理是剔除原图像中像素高于或者低于一定值的像素点。例如将一个灰度图像中大于200的像素点统一设置为255，这个就是阈值处理。或者说将所有低于200的像素点设置为0，也可以叫做阈值处理，两者结合处理后，图像就变为二值图像了。

threshold

在OpenCV中，我们使用cv2.threshold()函数进行阈值处理，它的定义如下所示：

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

  

 

  
1
 

src：需要进行阈值处理的原始图像

thresh：需要设定的阈值

maxval：当type为THRESH_BINARY或者THRESH_BINARY_INV类型时，需要设定的最大值。

type：阈值的类型，如下表所示。

类型	含义
cv2.THRESH_BINARY
cv2.THRESH_BINARY_INV
cv2.THRESH_TRUNC
cv2.THRESH_TOZERO_INV
cv2.THRESH_TOZERO
cv2.THRESH_MASK	掩码
cv2.THRESH_OTSU	标记，使用Otsu算法时的可选阈值参数
cv2.THRESH_TRIANGLE	标记，使用Triangle算法时的可选阈值参数

二值化阈值处理（cv2.THRESH_BINARY）

顾名思义，二值化阈值处理，会将原始图像变更为仅有2个值的二值图像，也就是cv2.THRESH_BINARY。

下面，我们用代码来实现二值化阈值处理，具体代码如下所示：

import cv2

img = cv2.imread("4.jpg", 0)
t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
 

运行之后，效果如下所示：

可以看到通过二值化阈值处理，我们的图像有点像素描画的效果。

反二值化阈值处理（cv2.THRESH_BINARY_INV）

反二值化阈值处理的结果也是仅有两个值的二值图像，与二值化的区别在于，就是将其大于赋值255，小于赋值0颠倒过来。

修改代码，我们看看运行的效果：

import cv2

img = cv2.imread("4.jpg", 0)
t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
 

截断阈值化处理（cv2.THRESH_TRUNC）

截断阈值化处理会将原图像中大于阈值的像素点的值设定为阈值，小于或等于像素点的值保持不变。也就是上面的将大于127像素的灰度图像全部更改为127，低于或等于127的保持不变。

import cv2

img = cv2.imread("4.jpg", 0)
t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
 

运行之后，得到的效果如下所示：

可以理解为比二值化更纯粹的素描。

超阈值零处理（cv2.THRESH_TOZERO_INV）

超阈值零处理会将图像中大于阈值的像素点的值处理为0，小于或等于阈值的像素点保持不变。也就是将大于127的处理为0，小于等于127的保持不变。

import cv2

img = cv2.imread("4.jpg", 0)
t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
 

运行之后，效果如下：

低阈值零处理（cv2.THRESH_TOZERO）

低阈值零处理是将图像中小于或等于阈值的像素点处理为0，大于阈值的像素点保持不变。也就是小于等于127的全部赋值为0，大于127的保持不变。

import cv2

img = cv2.imread("4.jpg", 0)
t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
 

运行之后，效果如下所示：

文章来源: liyuanjinglyj.blog.csdn.net，作者：李元静，版权归原作者所有，如需转载，请联系作者。

原文链接：liyuanjinglyj.blog.csdn.net/article/details/113807440