阈值处理

OpenCV提供了两个函数cv2.threshold() 和 cv2.adaptiveThreshold()，用于实现阈值处理。

1.cv2.threshold()函数

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

式中

-- retval 代表返回的阈值；

-- dst 代表阈值分割结果图像，与原始图像具有相同的大小和类型；

-- src 代表要进行阈值分割的图像，可以是多通道的，8位或32位浮点型数值；

-- thresh 代表要设定的阈值；

-- maxval代表当type参数为THRESH_BINARY或者THRESH_BINARY_INV类型时，需要设置的最大值；

-- type代表要分割的类型。

1)二值化阈值处理（cv2.THRESH_BINARY）

会将原始图像处理为仅包含两个值的二值图像。将大于阈值的像素点其灰度值设为最大值。小于或等于阈值的像素点设置为0。（在8位图像中，最大值是255）

2）反二值化阈值预处理（cv2.THRESH_BINARY_INV）

也是得到一幅二值图像。与cv2.THRESH_BINARY相反，大于阈值的像素点设定为0；大于小于阈值的设定为最大值。

代码如下：

img = cv2.imread('wasser_2.jpg')

# 默认指定原图像坐标（0,0）为缩小区域以外的颜色。

# mapxy = scale_img(img, 2)

shape_img = img.shape

# 二值化处理

yu, rst = cv2.threshold(img,180,255,type=cv2.THRESH_BINARY)

# 反二值化处理

yu2, rst_f = cv2.threshold(img,180,255,type=cv2.THRESH_BINARY_INV)

cv2.imshow("img",img)

cv2.imshow("erzhi_img_%s"%yu,rst)

cv2.imshow("erzhi_img_f%s"%yu,rst_f)

return_value = cv2.waitKey(0)

cv2.destroyAllWindows()

效果：（注意原始图像是彩色图）

3）截断阈值化处理（cv2.THRESH_TRUNC）

将超过阈值的像素点的值设为阈值。

4）超阈值零处理（cv2.THRESH_TOZERO_INV）

将超过阈值的像素点的值设为零。

5）低于阈值零处理（cv2.THRESH_TOZERO）

将低于阈值的像素点的值设为零。

2.自适应阈值处理

对于色彩均衡的图像，直接用一个阈值就能完成对图像的阈值化处理。但是有时候图像的色彩是不均衡的，此时如果只使用一个阈值，就无法得到清洗有效的阈值分割图像。

自适应阈值处理：通过计算像素点周围邻近区域的加权平均值获得阈值。并使用该阈值对当前像素点进行处理。·该方法能够很好的处理明暗差异较大的图像。

方法：cv2.adaptiveThreshold()

cv2.adaptiveThreshold(src,maxvalue,adaptiveMethod,thresholdType,blockSize,C)

src :代表原始图像，而且该图像必须是8位单通道的图像；

adaptiveMethod ：代表自适应方法，包含cv2.ADAPTIVE_THRESH_MEAN_C和cv2.ADAPTIVE_THRESH_GAUSSIAN_C两种不同的方法。两种方法都是逐个元素计算自适应阈值，自适应阈值等于每个像素由blockSize所指定邻域的加权平均值减去常量C；

maxvalue ：代表最大值;

thresholdType : 代表阈值的处理方式，该值必须是cv2.THRESH_BINARY或者cv2.THRESH_BINARY中的一个；

blockSize :代表块大小，表示计算阈值时所使用的邻域尺寸，通常为3、5、7等；

C :是常量

例如提取彩色图像的G通道来进行自适应阈值处理：

meanAth = cv2.adaptiveThreshold(img[:,:,1],255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,5,3)

gaussAth = cv2.adaptiveThreshold(img[:,:,1],255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)

3.Otsu处理

Otsu方法能够根据当前图像给出最佳的类间分割阈值（通过遍历所有可能阈值）。通过在cv2.threshold()的type参数的类型多传递一个参数"cv2.THRESH_OTSU"，并且将阈值设为零，即可实现Otsu阈值分割，并且返回最优阈值和分割结果。注：该方法只适用于处理单通道数据。