图像阈值处理可莉版

---

一、简单阈值处理（固定阈值）

读取图像

简单阈值处理是最基础的阈值处理方法。它通过设定一个固定的阈值，将图像中的像素分为两类。

OpenCV 提供了 cv2.threshold() 函数来实现这一功能。

函数原型

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

参数说明

src: 输入图像，通常为灰度图像。
thresh: 设定的阈值。
maxval: 当像素值超过（或小于，根据类型）阈值时，赋予的新值。
type: 阈值处理的类型，常见的类型有：
cv2.THRESH_BINARY: 如果像素值大于阈值，则赋予 maxval，否则赋予 0。
cv2.THRESH_BINARY_INV: 与 cv2.THRESH_BINARY 相反，如果像素值大于阈值，则赋予 0，否则赋予 maxval。
cv2.THRESH_TRUNC: 如果像素值大于阈值，则赋予阈值，否则保持不变。
cv2.THRESH_TOZERO: 如果像素值大于阈值，则保持不变，否则赋予 0。
cv2.THRESH_TOZERO_INV: 与 cv2.THRESH_TOZERO 相反，如果像素值大于阈值，则赋予 0，否则保持不变。
返回值
retval: 实际使用的阈值（在某些情况下可能与设定的阈值不同）。
dst: 处理后的图像。

 	img = cv2.imread('D:\Word\keli.jpg', 0)
    # 简单阈值处理
    ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
    # 显示结果
    cv2.imshow('Binary Threshold', thresh1)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

二、自适应阈值处理

在某些情况下，图像的亮度分布不均匀，使用固定的阈值可能无法得到理想的效果。自适应阈值处理通过为图像的不同区域计算不同的阈值，从而更好地处理这种情况。

函数原型
dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
参数说明

src: 输入图像，通常为灰度图像。 maxValue: 当像素值超过（或小于，根据类型）阈值时，赋予的新值。
adaptiveMethod: 自适应阈值计算方法，常见的类型有： cv2.ADAPTIVE_THRESH_MEAN_C:
阈值是邻域的平均值减去常数 C。 cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 阈值是邻域的加权平均值减去常数
C，权重由高斯函数确定。 thresholdType: 阈值处理的类型，通常为 cv2.THRESH_BINARY 或
cv2.THRESH_BINARY_INV。 blockSize: 计算阈值时使用的邻域大小，必须为奇数。 C:
从平均值或加权平均值中减去的常数。 返回值 dst: 处理后的图像。

实例：

	# 自适应阈值处理
    thresh2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,2)
    # 保存结果
    cv2.imread('D:\Word\keli_thres2.jpg', 0)
    # 显示结果
    cv2.imshow('thresh2', thresh2)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

这里的效果很满意

三、Otsu’s二值化

Otsu’s 二值化是一种自动确定阈值的方法。它通过最大化类间方差来找到最佳的全局阈值，适用于双峰图像（即图像直方图有两个明显的峰值）。

函数原型
retval, dst = cv2.threshold(src, thresh, maxval, type)
参数说明

src: 输入图像，通常为灰度图像。
thresh: 由于 Otsu’s 方法会自动确定阈值，因此该参数通常设置为 0。
maxval:当像素值超过（或小于，根据类型）阈值时，赋予的新值。
type: 阈值处理的类型，通常为 cv2.THRESH_BINARY 或cv2.THRESH_BINARY_INV，并加上 cv2.THRESH_OTSU。
返回值 retval: 自动确定的阈值。
dst:处理后的图像。

这个效果也不错哎~