opencv 阈值分割的具体使用
阈值分割
像素图
原始图像像素图 见下面
红色线:标注一条阈值线
二进制阈值化
首先设定一条阀值线 如127
大于127的像素点灰度值设为最大(如unit8的格式为255)
小于127的像素点灰度值设为0
反二进制阈值化
首先设定一条阀值线 如127
大于127的像素点灰度值设为最小为0
小于127的像素点灰度值设为最大(如unit8的格式为255)
截断阈值化
首先选定一个阀值,大于该阈值的像素点呗设定为该阈值,小于该阈值的不变
如:阈值127,大于127的像素点值为127;小于127的不变
反阈值化为0
先选定一个阈值,然后做如下处理:
大于等于该阈值的像素点变为0,
小于该阈值的像素点不变。
阈值化为0
先选定一个阈值,然后做如下处理:
大于等于该阈值的像素点不变,
小于该阈值的像素点变为0。
threshold函数
threshold:中文阈值
方法:
retval,dst=cv2.threshold(src,thresh,maxval,type)
retval:阈值 一般和thresh相同
dst:处理结果的图像
src:原始图像
thresh:阈值,阈值线,对应上文的红线
maxval:最大值,阈值分割后指定的最大值,有1和255。最大值为1对应是二值化图像数据
type:类型,指定那种阈值
threshold 二进制阈值
把亮的处理成白色,暗的处理成黑色
区别二值化阈值:二值化只有0,1。
二进制阈值:可以有其他两个数。二值化是特殊的二进制阈值。
cv2.THRESH_BINARY
算例:设定阈值为127
import cv2 a=cv2.imread('lenacolor.png')# r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY) print('r',r) cv2.imshow('a',a) cv2.imshow('b',b) cv2.waitKey(0) cv2.destroyAllWindows()
结果:
图中 像素只有0,255
print(b)
threshold 反二进制阈值
把亮的处理成黑色,暗的处理成白色
修改前文代码
cv2.THRESH_BINARY_INV
threshold 截断阈值
亮的不能太亮,有上限,暗的不变
cv2.THRESH_TRUNC
threshold 反阈值化为0
把比较亮的部分处理成0成黑色,小于等于阈值的像素点不变
cv2.THRESH_TOZERO_INV
threshold 阈值化为0
比较亮的部分不变,比较暗的部分处理成黑色为0
cv2.THRESH_TOZERO
到此这篇关于opencv 阈值分割的具体使用的文章就介绍到这了,更多相关opencv 阈值分割内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
关于python tushare Tkinter构建的简单股票可视化查询系统(Beta v0.13)
这篇文章主要介绍了python tushare Tkinter构建的简单股票可视化查询系统(Beta v0.13),本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-10-10
最新评论