（openCV 十七）图像阈值、二值化

最新推荐文章于 2025-05-29 17:16:07 发布
原创 最新推荐文章于 2025-05-29 17:16:07 发布 · 1.6k 阅读 · 7 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#二值化 #阈值

本文详细介绍了OpenCV中的图像阈值处理，包括简单阈值、自适应阈值和Otsu's二值化的原理与应用，并通过代码示例展示了如何实现各种阈值操作。此外，还提及了`cv2.inRange()`函数在二值化图像中的作用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1、简单阈值
与名字一样，这种方法非常简单。但像素值高于阈值时，我们给这个像素赋予一个新值（可能是白色），否则我们给它赋予另外一种颜色（也许是黑色）。这个函数就是 cv2.threshhold()。
第一个参数：就是原图像，原图像应该是灰度图。
第二个参数：就是用来对像素值进行分类的阈值。
第三个参数：就是当像素值高于（有时是小于）阈值时应该被赋予的新的像素值。
第四个参数：OpenCV提供了多种不同的阈值方法，这是有第四个参数来决定的。这些方法包括：
• cv2.THRESH_BINARY
• cv2.THRESH_BINARY_INV
• cv2.THRESH_TRUNC
• cv2.THRESH_TOZERO
• cv2.THRESH_TOZERO_INV
在这里插入图片描述
返回值:第一个为 retVal，我们后面会解释。第二个就是阈值化之后的结果图像了。

import cv2
import numpy as np
from matplotlib import pyplot as plt
img=cv2.imread(‘gradient.png’,0)
ret,thresh1=cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret,thresh2=cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3=cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret,thresh4=cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret,thresh5=cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)

最低0.47元/天 解锁文章

200万优质内容无限畅学
OpenCV图像阈值分割、二值化
127.0.0.1的博客
03-18 2272
二值化时最重要的就是确定分割的阈值，阈值确定的方法主要有两类：全局阈值和自适应阈值。而在全局阈值和自适应阈值下面又有很多方法，本文将对这些方法进行详细讲解。
python-opencv 图像阈值二值化
qq_45804132的博客
02-15 2503
本文讲解基于OpenCV-python的图像二值化API及浅显原理讲解 文章目录阈值一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 阈值 在python的OpenCV中，阈值是图像二值化的必要条件，所谓阈值就是设定一个指，对于整张图片来说，大于该值的像素点重赋值为一个值，或者小于该值的像素点重赋值为多少。 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本
基于OpenCV的图像二值化（阈值可调）
03-14
这是一段基于OpenCV的图像二值化实例代码，阈值可以通过滑动条来调节，可以观察不同阈值。具体分析见博客http://blog.youkuaiyun.com/primetong/article/details/79211648
OpenCV-python 通过追踪颜色的hsv值，使画面只留下长方形，在进行二值化，并通过对图片几何变换使长方形摆正
Code->Y的博客
10-07 861
ower_red = np.array([50, 50, 30]) # 设定红色的阈值，图像中低于这个值的，图像变为0 upper_red = np.array([255, 255, 200]) # 设定红色的阈值，图像中高于这个值的，图像变为0 以上代码是为创建掩膜而设置上下限，在lower_red和upper_red中时，图像中的选中颜色变为255，不在这个范围内的则为0 mask = cv2.inRange(hsv, lower_red, upper_red) 上述代码是创建掩膜，cv2.in
VS中图像预处理
最新发布
m0_70660627的博客
05-29 144
附上图像预处理链接：https://pinfo.hikrobotics.com/hkws/unzip/20231101163730_26101_doc/GUID-DBCA7DED-F21F-44EB-BA0A-1D61CB7CDE45.html。Sauvola二值化：适用于对背景单一、光照不均匀的图像进行二值化处理。高斯二值化：一般用于在保证图像原有信息特征的情况下消除部分噪声。硬阈值二值化：适用于光影影响较小的环境。均值二值化：一般用于平滑图像，消除噪声。
opencv 笔记13 Imgproc_Threshold
fengcs的专栏
04-15 2534
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include #include using namespace cv; /// 全局变量定义及赋值 int threshold_value = 0; int threshold_type = 3;; int const max_v
OpenCV:createTrackbar()函数搭配inRange()函数精确选取想要的HSV二值化区域。
weixin_46168333的博客
06-26 916
OpenCV小技巧 运用滑动条调节二值化区域 一、createTrackbar()函数 createTrackbar( const string& trackbarname, const string&winname, int* value, int count ， TrackbarCallback onChange = 0, void* userdata = 0); trackbarname：轨迹条名字 winname：窗口名字
5.opencv——图像变换3（阈值处理-二值化，反二值化，截断阈值处理，超阈值零，低阈值零处理，Otsu算法，三角算法）
weixin_47166032的博客
10-14 4865
阈值处理阈值处理全局阈值处理二值化阈值处理反二值阈值处理截断阈值处理超阈值零处理低阈值零处理Otsu算法阈值处理三角算法阈值处理自适应阈值处理 阈值处理 \qquad阈值化处理：以某种规则依次将像素处理成0或1输出，即像素分割，可以被视作最简单的图像分割方法。给定一个灰度图，经过阈值化处理将把它转化成二值图输出。阈值化处理提取背景中的重要信息，将图像更进一步的从灰度图背景中抽离出来。利用阈值进行分割的方法是基于图像中物体和背景之间的灰度差异来实现的。阈值处理用于剔除图像中像素值高与或者低于指定值的像素点。
利用OPENCV对视频进行阈值二值化 边缘阈值化操作
12-24
本文将详细探讨如何使用OpenCV进行视频的阈值二值化和边缘检测，以及如何将处理后的视频帧合并成一个新的视频。 首先，阈值二值化是图像处理中的基本操作，它将图像转化为黑白两色调，有助于突出图像中的特定特征或...
通过HSV进行RGB二值化，
yangdeshun888的博客
04-12 9067
通过HSV进行RGB二值化，其可以利用与颜色目标提前，如车牌的识别，可以把其蓝色大概区域识别出来，再进行边缘检测，从而实现车牌识别，有利于提高检测的鲁棒性。 #include "stdafx.h" #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include #include
第九节 图像处理之图像的二值化
12-04
图像的二值化（需要是灰度图像） import cv2 as cv import numpy as np def threshold_demo(image): gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #cv.THRESH_TRIANGLE与cv.THRESH_OTSU是自动寻找阈值，这个时候threshold值必须是0 #如果threshold不为0，即是自己指定的（如127），那么type就直接THRESH_BINARY就够了 ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU) print(ret) cv.imshow("binary",binary) def local_threshold(image): gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) binary =cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,25,10) cv.imshow("binary1", binary) src =cv.imread("E:/opencv/picture/dog.jpg") cv.imshow("initial_window",src) threshold_demo(src) local_threshold(src) cv.waitKey(0) cv.destroyAllWindows() 分析： 1. 全局阈值 def threshold_demo(image): gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #cv.THRESH_TRIANGLE与cv.THRESH_OTSU是自动寻找阈值，这个时候threshold值必须是0 #如果threshold不为0，即是自己指定的（如127），那么type就直接THRESH_BINARY就够了 ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU) print(ret) cv.imshow("binary",binary) threshold其函数原型为：threshold(src, thresh, maxval, type[, dst]) -> retval, dst src参数表示输入图像（多通道，8位或32位浮点）。 thresh参数表示阈值。（如果type是自动二值化就设置为0） maxval参数表示与THRESH_BINARY和THRESH_BINARY_INV阈值类型一起使用设置的最大值。 type参数表示阈值类型。 retval参数表示返回的阈值。若是全局固定阈值算法，则返回thresh参数值。若是全局自适应阈值算法，则返回自适应计算得出的合适阈值。 dst参数表示输出与src相同大小和类型以及相同通道数的图像。 type阈值类型说明 cv.THRESH_BINARY | cv.THRESH_OTSU)#大律法,全局自适应阈值 参数0可改为任意数字但不起作用 cv.THRESH_BINARY | cv.THRESH_TRIANGLE)#TRIANGLE法,，全局自适应阈值, 参数0可改为任意数字但不起作用，适用于单个波峰 cv.THRESH_BINARY)# 自定义阈值为127,大于127的是白色 小于的是黑色 cv.THRESH_BINARY_INV)# 自定义阈值为127,大于127的是黑色 小于的是白色 cv.THRESH_TRUNC)# 截断 大于127的是改为127 小于127的保留 cv.THRESH_TOZERO)# 截断 小于127的是改为127 大于127的保留 2. 局部阈值法 3. def local_threshold(image): gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) binary =cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,25,10) cv.imshow("binary1", binary) adaptiveThreshold函数进行局部阈值 函数原型为：adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) -> dst src参数表示输入图像（8位单通道图像）。 maxValue参数表示使用 THRESH_BINARY 和 THRESH_BINARY_INV 的最大值. adaptiveMethod参数表示自适应阈值算法， 平均— cv2.ADAPTIVE_THRESH_MEAN_C ：领域内均值 高斯—cv2.ADAPTIVE_THRESH_GAUSSIAN_C ：领域内像素点加权和，权 重为一个高斯窗口 thresholdType参数表示阈值类型，必须为THRESH_BINARY或THRESH_BINARY_INV的阈值类型。 blockSize参数表示块大小，规定领域大小（奇数且大于1，比如3，5，7........ ）。 C参数是常数，表示从平均值或加权平均值中减去的数。 通常情况下，这是正值，但也可能为零或负值。 二．对超大图像进行二值化 如果这个时候只是单纯的用二值化api，图像上会出现很多噪声，所以我们特地介绍了一种对大图像进行二值化的方法import cv2 as cv import numpy as np from matplotlib import pyplot as plt #对超大图像进行二值化 def big_image_threshold(image): cw = 256 ch = 256 h,w = image.shape[:2] gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) for row in range(0, h, ch): for col in range(0, w, cw): #gray[0:3] 从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素。 roi = gray[row:row+ch,col:col+ch]#表示从[row,col]到[row+ch,col+ch]的所有元素所组成的矩阵 #推荐使用局部阈值二值化 dst = cv.adaptiveThreshold(roi,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,127,20) gray[row:row+ch,col:col+ch] =dst cv.imwrite("E:/opencv/picture/bigpicture1.jpg",gray) src = cv.imread("E:/opencv/picture/bigpicture.jpg") t1 = cv.getTickCount() big_image_threshold(src) t2 = cv.getTickCount() time= (t2-t1)/cv.getTickFrequency() #print("time =%sms\n"%(time)*1000) cv.waitKey(0) cv.destroyAllWindows()
opencv 求二值化图像的形心(只能是二值化后黑白的)
03-22
在vc++6.0+opencv环境下，实现对二值化后的圆心的定位，并显示坐标。
交通标志识别系统标准完全模板HSV定位基础版-二值化模板.rar
08-12
交通标志识别系统标准完全模板HSV定位基础版-二值化模板.rar 本帖最后由 hcq@@ 于 2013-7-7 11:04 编辑 1、交通标志（警示牌类），其外框一般为红色，所以定位时可采用HSV颜色模型或者RGB颜色模型来提取红色区域，通过regiongroup标记进一步提取目标区域。 HSV颜色模型：I1=Hsv; %记录颜色亮度为1的数据,以便之后再利用颜色阀值找出红色 figure,imshow;title'); BW=roicolor; %利用颜色阀值将红色对象都都显示为白色,其余都为黑色,至此完成图象的二值化 figure,imshow;title; 复制代码具体参考附件HSV提取基础版.rar RGB颜色模型 IR=double; IG=double; IB=double; for i=1:chang for j=1:kuan if 1.6*IR-IG-IB255 CA=255; else CA=1.6*IR-IG-IB; end end end figure;imshow;title; 复制代码经过对比，对于目标边界清晰的图片，RGB颜色模型的效果很不错，结果在贴图中。 2、分割出来的交通标志，为了便于二值化处理，强烈建议将背景黑色转成白色，这里标准模板只处理了20几张（考虑到可能用不到这么多的模板），如果有需要，可采取灰度—二值化—反色—擦除边缘—归一化步骤，即可处理成新的模板。代码在 附件里面： 3、识别的时候，可先建立数组，和普通的识别方法一样的，识别结果可采取msgbox的显示方法（即根据返回的匹配索引，得出结果）。if x==1 msgbox;end if x==2 msgbox;end if x==3 msgbox;end if x==4 msgbox;end 。。。。。。。同理 复制代码
基于opencv的彩色图像分解为hsv单通道并显示灰度直方图以及数值
04-13
在VC6.0下基于opencv，实现将rgb彩色图像转换为hsv并分解为单通道灰度图，绘制灰度直方图，并且将其各个通道像素值显示出来。
OpenCV之阈值化操作总结
ZONGXP的博客
03-27 3009
参考：https://blog.youkuaiyun.com/sinat_21258931/article/details/61418681 在做图像处理时，阈值化（二值化）是一个非常常见的操作，其中最关键的是阈值的选择，会直接影响到阈值化效果，本文对opencv常见的阈值化操作进行总结。 1 固定阈值 如果说图像质量较好，目标和背景容易区分，可以选择固定阈值来进行二值化，用到的函数是threshold...
OpenCvSharp学习笔记13--使用InRange进行HSV阈值过滤、渐变色生成
图南堂
04-02 2929
了解HSV色彩空间、掌握InRange函数、生成渐变色，通过HSV提取对象。
OpenCV python（四）图像预处理：二值化 && 滤波操作
xztli的博客
08-06 8638
本篇文章的主要内容为二值化和滤波操作的介绍和使用方法，包括一些滤波方法选择的个人见解。
【OpenCV-阈值与平滑处理】灰度图、HSV、图像阈值、图像平滑处理(方框滤波、均值滤波、高斯滤波、中值滤波)
linjun的博客
09-09 931
type：二值化操作的类型，包含以下5种类型： cv2.THRESH_BINARY；cv2.THRESH_BINARY 超过阈值部分取maxval（最大值），否则取0。cv2.THRESH_TRUNC 大于阈值部分设为阈值，否则不变。cv2.THRESH_BINARY_INV THRESH_BINARY的反转。cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转。thresh： 阈值。
OpenCV实现可调节阈值图像二值化技术
标题中的知识点涉及“基于OpenCV的图像二值化（阈值可调）”。首先需要解释的是OpenCV和图像二值化，接着再讨论阈值可调的概念。 OpenCV是一个开源的计算机视觉和机器学习软件库，它提供了许多常用的图像处理功能。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值