OpenCV阈值处理--图像二值化及应用

目录

一、概述

二、如何进行图像二值化？

三、实际案例演示（基本阈值分类）

1、阈值二值化（Threshold Binary）

2、阈值反二值化（Threshold Binary Inverted）

3、截断（Truncate）

4、阈值取零（Threshold to Zero）

5、阈值反取零（Threshold to Zero Inverted）

四、总结

---

一、概述

图像阈值处理是一种常用的图像处理技术，其目的主要是将图像转换为二值图像，简化图像分析和处理的复杂度。这种处理方法基于像素的亮度，通过设定一个阈值，将图像中的像素划分为两类，通常是黑色和白色。阈值化的重要性在于，它能有效地进行图像目标物体的分割，将目标对象与背景分割开来。在计算机视觉应用中，这种二值化技术占据了极其重要的位置。选择合适的阈值化技术是进行二值化的关键。

二、如何进行图像二值化？

图像二值化是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。

ret, dst = cv2.threshold(src, thresh, maxval, type)

可以使用上述函数对图像进行二值化操作，其中各参数含义如下：

• src：输入图像，必须为单通道灰度图像。
• thresh：阈值，用于与每个像素点的灰度值进行比较。
• maxval：当像素点的灰度值大于或等于阈值时，将其设置为该值。
• type：阈值类型，指定如何根据比较结果设置像素点的值。
• ret: 这是一个输出参数，它返回实际使用的阈值。
• binary: 这是一个输出图像，其中所有像素值都已根据给定的阈值进行了二值化处理。

三、实际案例演示（基本阈值分类）

image = cv2.imread('123.png',cv2.IMREAD_GRAYSCALE) #读取图像并转换为灰度图像
cv2.imshow('sd',image)
cv2.waitKey(1000)
cv2.destroyAllWindows()
ret,bina