Opencv学习(2)——阈值与平滑处理
图像阈值
假如图像的像素值大于阈值，会被赋为一个值，反之会被赋为另一个值。
阈值函数
thresh是返回的图片
ret,det = cv2.threshold(src,thresh,maxval,type)
src:输入图，只能输入单通道图像，一般为灰度图
dst:输出图
thresh:阈值（0~255）
maxval：当像素超过了阈值或小于（由type决定）
type：二值化操作的类型，包含以下5种类型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
| cv2.THRESH_BINARY | 超过阈值部分取maxval（最大值），否则取0 |
| cv2.THRESH_BINARY_INV | THRESH_BINARY的反转 |
| cv2.THRESH_TRUNC | 大于阈值部分设为阈值，否则不变 |
| cv2.THRESH_TOZERO | 大于阈值部分不改变，否则设为0 |
| cv2.THRESH_TOZERO_INV | THRESH_TOZERO的反转 |
img = cv2.imread('1.jpg')#读取图片
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#阈值处理
ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.thresho!d(img_gray, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)
##画图操作
titles = [ 'ORIGINAL','BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [ img,thresh1, thresh2, thresh3, thresh4, thresh5]
for i in range(6):
plt.subplot(2, 3, i + 1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks(])
plt.show()
图像平滑处理
简单的平均卷积操作
将图中9个像素取平均操作（构造一个所有值都为1的卷积核）
#读取图像
img = cv2.imread('lenaNoise.png')
均值滤波
# 均值滤波
# 简单的平均卷积操作
blur = cv2.blur(img, (3, 3))
方框滤波
# 方框滤波
# 基本和均值一样，可以选择归一化
box = cv2.boxFilter(img,-1,(3,3), normalize=True)
#normailze为true时，表示执行归一化，结果与均值滤波相同
# 方框滤波
# 基本和均值一样，可以选择归一化,容易越界，越界之后全为255
box = cv2.boxFilter(img,-1,(3,3), normalize=False)
#normailze为true时，表示执行归一化，结果与均值滤波相同
高斯滤波
将距离中心近的点权重设置的大，远离中心的权重小，计算附近像素的加权和作为中心点的像素值
# 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(img, (5, 5), 1)
中值滤波
将邻域内所有的点的中间值作为该点的像素值
# 相当于用中值代替
median = cv2.medianBlur(img, 5) # 中值滤波
