opencv

机器学习进阶-阈值与平滑-图像阈值 1. cv2.threshold(进行阈值计算) 2. 参数type cv2.THRESH_BINARY(表示进行二值化阈值计算)

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

参数说明， src表示输入的图片， thresh表示阈值， maxval表示最大值， type表示阈值的类型

2. type的类型

    1.cv2.THRESH_BINARY   表示阈值的二值化操作，大于阈值使用maxval表示，小于阈值使用0表示

    2. cv2.THRESH_BINARY_INV  表示阈值的二值化翻转操作，大于阈值的使用0表示，小于阈值的使用最大值表示

    3. cv2.THRESH_TRUNC    表示进行截断操作，大于阈值的使用阈值表示，小于阈值的不变

    4. cv2.THRESH_TOZERO   表示进行化零操作，大于阈值的不变，小于阈值的使用0表示

    5. cv2.THRESH_TOZERO_INV  表示进行化零操作的翻转，大于阈值的使用0表示，小于阈值的不变

代码：

import cv2
import matplotlib.pyplot as plt

img = cv2.imread('cat.jpg')

# 1.进行阈值二值化操作，大于阈值127的，使用255表示， 小于阈值127的，使用0表示
ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 2. 进行阈值二值化翻转操作， 大于阈值127的，使用0表示，小于阈值127的，使用255表示
ret, thresh2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)

# 3. 进行截断阈值表示，大于阈值127的使用127表示，小于阈值127的不变
ret, thresh3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)

# 4. 对阈值进行0值化表示，大于127的不变，小于127阈值的，用0表示
ret, thresh4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)

# 5. 对阈值进行0值化反向操作, 大于127的用0表示，小于127的不变
ret, thresh5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)

images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]
titles = ['ORIGINAL', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']

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