如何使用Python OpenCV执行图像的不同简单阈值处理？

简单阈值处理 中，我们定义一个阈值，如果像素值大于阈值，则将其分配值（例如255），否则将其分配另一个值（例如0）。

可以使用函数 cv2.threshold（） 应用简单阈值处理。它接受四个参数–源图像，阈值，maxVal和阈值类型。

OpenCV 提供以下不同类型的阈值处理–

cv2.THRESH_BINARY – 在此阈值处理中，像素值大于阈值的像素值被分配为255，否则被分配为0。
cv2.THRESH_BINARY_INV – 它是cv2.THRESH_BINARY的相反情况。
cv2.THRESH_TRUNC – 在此阈值处理中，像素值高于阈值被分配为阈值，其他像素保持不变。
cv2.THRESH_TOZERO – 在此阈值处理中，像素值低于阈值被分配为零，其他像素保持不变。
cv2.THRESH_TOZERO_INV – cv2.THRESH_TOZERO的相反情况。

语法

cv2.threshold（img，thresh_val，max_val，thresh_type）

参数

img –输入灰度图像。它是 numpy.ndarray 。
thresh_val –用于分类像素值的阈值。如果像素值高于阈值，则将其分配一个值，否则将另一个值分配给它。
max_val –如果像素值高于（有时低于）阈值，则分配给像素的最大值。
thresh_type –要应用的阈值类型。

它返回全局阈值和阈值图像。

让我们通过一些Python示例来理解不同的简单阈值处理。

输入图像

下面这张图片将作为以下示例的输入文件。

如何使用Python OpenCV执行图像的不同简单阈值处理？

示例1

在此程序中，我们对输入图像应用二进制阈值处理。

# Python program to illustrate
# a simple thresholding type on an image
# import required libraries
import cv2

# read the input image as a gray image
img = cv2.imread('floor.jpg', 0)

# applying binary thresholding technique on the input image
# all pixels value above 127 will be set to 255
_, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# display the image after applying binary thresholding
cv2.imshow('Binary Threshold', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出

当您运行上述程序时，它将生成以下输出。

如何使用Python OpenCV执行图像的不同简单阈值处理？

以上输出显示了应用 二进制阈值处理 后的阈值图像。

示例2

在此程序中，我们将在输入图像上应用不同的 简单阈值处理 。

# Python程序：在图像上应用简单阈值类型
# 导入必要的库
import cv2
import matplotlib.pyplot as plt

# 将输入图像读取为灰度图像
img = cv2.imread('floor.jpg',0)
# 在输入图像上应用不同的阈值技术
ret1, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
ret2, thresh2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
ret3, thresh3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
ret4, thresh4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
ret5, thresh5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)

titles = ['原始图像','二进制','二进制反转','TRUNC','TOZERO','TOZERO_INV']
images = [img,thresh1,thresh2,thresh3,thresh4,thresh5]

for i in range(6):
   plt.subplot(2,3,i+1)
   plt.imshow(images[i], 'gray')
   plt.title(titles[i])
   plt.axis("off")
plt.show()