美文网首页
OpenCV Python 图像 阈值分割

OpenCV Python 图像 阈值分割

作者: AeroZ | 来源:发表于2020-06-01 00:30 被阅读0次
image.png image.png

src 源图像

import cv2
import numpy as np
img = cv2.imread("/bmp/lena512.bmp", cv2.IMREAD_UNCHANGED)
cv2.imshow("Lena", img)
'''阈值分割'''
# threshold函数
# retval, dst = cv2.threshold(src, thresh, maxval, type)
# Threshold Binary 二进制阈值化(二值阈值化,不仅是0/1)
r, b = cv2.threshold(img, 128, 255, cv2.THRESH_BINARY)
cv2.imshow("Threshold Binary", b)
# Threshold Binary, Inverted 反二进制阈值化
r, bi = cv2.threshold(img, 128, 255, cv2.THRESH_BINARY_INV)
cv2.imshow("Threshold Binary, Inverted", bi)
# Truncate 截断阈值化
r, bt = cv2.threshold(img, 128, 255, cv2.THRESH_TRUNC)
cv2.imshow("Truncate", bt)
# Threshold to Zero, Inverted 反阈值化为0
r, bzi = cv2.threshold(img, 128, 255, cv2.THRESH_TOZERO_INV)
cv2.imshow("Threshold to Zero, Inverted", bzi)
# Threshold to Zero 阈值化为0
r, bz = cv2.threshold(img, 128, 255, cv2.THRESH_TOZERO)
cv2.imshow("Threshold to Zero", bz)
cv2.waitKey(0)
cv2.destroyAllWindows()

参考资料:
https://study.163.com/course/courseLearn.htm?courseId=1005317018&share=1&shareId=11333711#/learn/video?lessonId=1052625003&courseId=1005317018

相关文章

  • OpenCV Python 图像 阈值分割

    src 源图像 参考资料:https://study.163.com/course/courseLearn.htm...

  • Python+OpenCV教程6:阈值分割

    主站:http://ex2tron.wang原文:Python+OpenCV教程6:阈值分割 学习使用不同的阈值方...

  • 图像去噪

    图像去噪可以分为固定阈值去噪和自适应阈值去噪 固定阈值去噪 opencv函数(python):cv2.thresh...

  • 阈值化

    OpenCV-图像阈值-简单阈值、自适应阈值、Otsu’s 二值化

  • 基于遗传算法和大津阈值分割法实现的图像分割

    一、简述 本实验采用遗传算法和大津阈值分割法确定图像分割的最佳阈值,从而对图像进行二值化分割。 二、大津阈值分割法...

  • OpenCV-Python系列三:图像分割(1)--阈值

    阈值分割是图像处理中非常实用的操作,对我们提取目标区域,使图像信息更加简单(0和1)来加速后续的处理速度。图像阈值...

  • 三 (3.2 imgproc) 图像阈值操作

    阈值操作原理: 什么是阈值? 最简单的图像分割的方法。 应用举例:从一副图像中利用阈值分割出我们需要的物体部分(当...

  • opencv图像阈值

    1.简单阀值cv2.threshold() 当像素值高于阀值时,我们给这个像素赋予一个新值(可能是白色),否则我们...

  • Opencv之图像分割

    1、阈值分割 1.1 简介 图像阈值化分割是一种传统的最常用的图像分割方法,因其实现简单、计算量小、性能较稳定而成...

  • 图像分割

    1、阈值分割 1.1 简介 图像阈值化分割是一种传统的最常用的图像分割方法,因其实现简单、计算量小、性能较稳定而成...

网友评论

      本文标题:OpenCV Python 图像 阈值分割

      本文链接:https://www.haomeiwen.com/subject/wgvdzhtx.html