opencv（python）图像处理之九

最新推荐文章于 2025-06-24 09:38:59 发布

原创

最新推荐文章于 2025-06-24 09:38:59 发布 · 609 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #pyhton

本文介绍了OpenCV Python中的图像阈值处理技术，包括简单阈值化、自适应阈值化和最大类间方差阈值化。通过示例代码展示了如何实现图像的二值化、反阈值化以及自适应阈值处理，如高斯滤波后应用Otsu's和Riddler-Calvard方法进行阈值选择。

一、函数简介
1、threshold—图像简单阈值化处理
函数原型：threshold(src, thresh, maxval, type, dst=None)
src：图像矩阵
thresh：阈值
maxVal：像素最大值
type：阈值化类型
2、adaptiveThreshold—图像自适应阈值化处理
函数原型：adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)
src：图像矩阵
maxValue：像素最大值
adaptiveMethod：自适应方法
thresholdType：阈值化类型
blockSize：窗口尺寸
C：为一整数，减去该整数来对阈值进行微调
3、thresholding.otsu—图像最大类间方差阈值化处理
函数原型：thresholding.otsu(src)
src：图像矩阵
4、thresholding.rc—图像Riddler-Calvard阈值化处理
函数原型：thresholding.rc(src)
src：图像矩阵
二、实例演练
1、图像二值化及反转
代码如下：
#encoding:utf-8

#
#图像二值化及反转
#

import numpy as np
import cv2

image = cv2.imread("H:\\img\\coins.bmp")
image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)#将图像转为灰色
blurred = cv2.GaussianBlur(image, (5, 5), 0)#高斯滤波
cv2.imshow("Image", image)#显示图像
(T, thresh) = cv2.threshold(blurred, 155, 255, cv2.THRESH_BINARY)#阈值化处理，阈值为：155
cv2.im