opencv基础 threshold实现图像阈值输出·基础性讲解（内含gif效果图）

                         QQ:3020889729                                                                                 小蔡

讲解目的展示

（以上展示代码是后边实例的整合——简单的把彩色/灰度图像放在不同的数组中，然后遍历即可）
在图像处理中，常常对图像进行特征处理，而阈值也是图像的特征属性——每一个像素对应着一定的数据——灰度图像为8位的强度数据，彩色图像为32位的BGR数据。
生活中我们其实在处理问题时经常用到阈值处理——比如：多个裁判评分去掉最低分和最高分，再计算实际数据。比如，一个公司在起步阶段，需要一部分技术人员——只有超过预期能力才会被选择，否则就是被排除掉——当然，我的比喻可能不太对，但是呢，就是想希望这样能让你明白——opencv他也是这样工作的，至于一些特殊的阈值比较方式就是opencv为了解决问题所应用设计的了。

阈值函数——cv.threshold应用图像阈值操作

函数参数简介

输入参数如下：

def threshold(src, thresh, maxval, type, dst=None): # real signature unknown; restored from __doc__

• 输入图像——受后边的type影响——灰度图像总适用，彩色图像就不一定了
• 阈值
• 满足阈值的最大输出值
• 阈值类型——或者说，选择一种阈值判定方法
• 最后是输出——默认返回接受即可，不用设置的

输出参数：

• 第一个参数为设置的阈值
• 第二个参数为阈值处理后的图像

下面提一下阈值类型，我觉得很有必要——

阈值类型基本介绍

这些类型都跟实际需要的情况相关——自由选择（一般选择前5种，末尾支持的两种可以作为添加条件，补充阈值操作）。

需要知道的是，前五种除了应用灰度图像外，也满足彩色图像——而最后两种仅仅是二值操作，所以就只适用8位的灰度图像了——即对强度数据进行阈值操作。
以下类型解释——以表达式为准，文字仅仅作为参考和促进理解。

• 
  这个阈值类型指的是——当输入图像大于我们设置的阈值时，就把对应像素数据设置为最大值，否则为0。

• 
  这个阈值类型与上一个相反——当输入图像大于我们设置的阈值时，就把对应像素数据设置为0，否则为最大值。

• 
  这个阈值类型指——当输入图像大于我们设置的阈值时，就把对应像素数据设置为我们设置的值（maxvalue），否则为图像本身的值。

• 
  这个阈值类型指——当输入图像大于我们设置的阈值时，就把对应像素数据保留，否则为0。

• 
  这个阈值类型指——当输入图像大于我们设置的阈值时，就把对应像素数据设置为0，否则为原始数据。

• Python: cv.THRESH_MASK——不支持——这个不多说明，因为我知道的也是不多，后边有机会补正。

• Python: cv.THRESH_OTSU——不支持32位的彩色图像， 仅仅支持8位灰度图像

• Python: cv.THRESH_TRIANGLE——不支持32位的彩色图像， 仅仅支持8位灰度图像

代码实例

灰度图像实例

import cv2 as cv

img = cv.imread('../imag_in_save/images.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)  # 这样可以获得灰度图像
# 也可以用img = cv.imread('../imag_in_save/images.png', 0)直接获得
# 我是为了最后边的样例做灰度变化和彩色变化对比做的准备操作的——即程序保留有彩色图像的数据

ret1, thresh1 = cv.threshold(img_gray, 127, 255, cv.THRESH_BINARY)  # src(x,y) > 127 => dst(输出)(x,y) = 255
cv.imshow('imag', img)
cv.imshow('imag3', thresh1)  # 输出阈值处理的图像

cv.waitKey(0)  # 等待按键输入
cv.destroyAllWindows()

效果：

原图

遍历(灰度)所有情况——所有阈值类型效果展示（以及代码）

import cv2 as cv


if __name__ == "__main__":
    img = cv.imread('../imag_in_save/images.png')
    img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    # 依次遍历转换——可以直接使用list，但是我为了展示就独立写了
    ret1, thresh1 = cv.threshold(img_gray, 127, 255, cv.THRESH_BINARY)  # 满足阈值设置255（我们设置的最大值）反之为0
    ret2, thresh2 = cv.threshold(img_gray, 127, 255, cv.THRESH_BINARY_INV)  # 满足阈值设置0，反之255
    ret3, thresh3 = cv.threshold(img_gray, 127, 255, cv.THRESH_MASK)  # 顺便演示一下，具体该用在哪些地方，后边遇到了回来修正
    ret4, thresh4 = cv.threshold(img_gray, 127, 255, cv.THRESH_OTSU)  # 使用otus算法取最优阈值_只适合灰度图像（文末说明，篇幅）
    ret5, thresh5 = cv.threshold(img_gray, 127, 255, cv.THRESH_TOZERO)  # 满足保留原数据，否则为0，与设置的最值255无关了
    ret6, thresh6 = cv.threshold(img_gray, 127, 255, cv.THRESH_TOZERO_INV)  # 与THRESH_TOZERO相反
    ret7, thresh7 = cv.threshold(img_gray, 127, 255, cv.THRESH_TRIANGLE)  # 使用三角算法取最优阈值_只适合灰度图像（文末说明，篇幅）
    ret8, thresh8 = cv.threshold(img_gray, 127, 255, cv.THRESH_TRUNC)  # 满足阈值设置255，反之保留原数据
    title = ['THRESH_BINARY', 'THRESH_BINARY_INV', 'THRESH_MASK', 'THRESH_OTSU', 'THRESH_TOZERO', 'THRESH_TOZERO_INV',
             'THRESH_TRIANGLE', 'THRESH_TRUNC']
    img_list = [thresh1, thresh2, thresh3, thresh4, thresh5, thresh6, thresh7, thresh8]

    # 字体颜色根据图像本身来传入对应的数据类型——彩色为三元元组
    # 灰度图像——传入强度即可
    for i in range(0, 8):  # 往图片上写文字——即使用的阈值类型
        cv.putText(img_list[i], title[i], (25, 60), cv.FONT_HERSHEY_COMPLEX_SMALL, 1, 220, 2, cv.LINE_AA)
    i = 0
    while True:  # 遍历展示
        cv.imshow('imag', img_list[i])
        k = cv.waitKey(1000) & 0xFF
        if k == 27:
            break
        i += 1
        if i == 8:
            i = 0
    cv.destroyAllWindows()

彩色图像的实例（类似灰度，只是阈值类型少了两项）

实现还是和之前的灰度图像的阈值操作一般无二。

import cv2 as cv


if __name__ == "__main__":
    img = cv.imread('../imag_in_save/images.png')
    ret1, thresh1 = cv.threshold(img, 127, 255, cv.THRESH_BINARY)  # 满足阈值设置255（我们设置的最大值）反之为0
    cv.imshow('imag', img)
    cv.imshow('imag_THRESH_BINARY', thresh1)
    cv.waitKey(0)
    cv.destroyAllWindows()

效果：在实现效果中去体会参数变化会更直接些。

原图

遍历(灰度)所有情况——所有阈值类型效果展示（以及代码）

import cv2 as cv


if __name__ == "__main__":
    img = cv.imread('../imag_in_save/images.png')
    ret1, thresh1 = cv.threshold(img, 127, 255, cv.THRESH_BINARY)  # 满足阈值设置255（我们设置的最大值）反之为0
    ret2, thresh2 = cv.threshold(img, 127, 255, cv.THRESH_BINARY_INV)  
    ret3, thresh3 = cv.threshold(img, 127, 255, cv.THRESH_MASK)  # 顺便演示一下
    ret4, thresh4 = cv.threshold(img, 127, 255, cv.THRESH_TOZERO) 
    ret5, thresh5 = cv.threshold(img, 127, 255, cv.THRESH_TOZERO_INV)  # 与THRESH_TOZERO相反
    ret6, thresh6 = cv.threshold(img, 127, 255, cv.THRESH_TRUNC)  
    title = ['THRESH_BINARY', 'THRESH_BINARY_INV', 'THRESH_MASK', 'THRESH_TOZERO', 'THRESH_TOZERO_INV', 'THRESH_TRUNC']
    img_list = [thresh1, thresh2, thresh3, thresh4, thresh5, thresh6]

    # 字体颜色根据图像本身来传入对应的数据类型——彩色为三元元组
    # 灰度图像——传入强度即可
    for i in range(0, 6):  # 往图片上写文字——即使用的阈值类型
        cv.putText(img_list[i], title[i], (25, 60), cv.FONT_HERSHEY_COMPLEX_SMALL, 1, (40, 180, 80), 2, cv.LINE_AA)
    i = 0
    while True:  # 遍历展示
        cv.imshow('imag', img_list[i])
        k = cv.waitKey(1200) & 0xFF
        if k == 27:
            break
        i += 1
        if i == 6:
            i = 0
    cv.destroyAllWindows()

效果：

补充：OTSU算法作用过程的简介

这次讲解就到这里了——希望能帮助到你哪怕一点。后期有应用，我会补充这一章节的实践操作部分。（前边写的文章我也会慢慢积累，然后进行修改订正的。）