OpenCV自学笔记九:阈值处理

  1. 阈值处理(Thresholding):阈值处理是一种图像分割的方法,它根据像素灰度值与设定的阈值进行比较,将像素分为两个类别(例如黑白、前景背景等)。阈值处理可以用于目标检测、图像增强等应用。在OpenCV中,常用的阈值处理函数是`cv2.threshold()`。

  2. threshold函数:`cv2.threshold(src, thresh, maxval, type[, dst])`是OpenCV中的阈值处理函数。它接受源图像、设定的阈值、最大值、阈值类型以及可选参数目标图像作为输入,并返回两个结果:阈值和处理后的图像。

  3. 自适应阈值处理(Adaptive Thresholding):自适应阈值处理是根据图像的局部特征,自动确定每个像素点的阈值。不同于固定阈值处理,自适应阈值处理能够在不同光照条件下得到更好的效果。在OpenCV中,可以通过`cv2.adaptiveThreshold()`函数实现自适应阈值处理。

  4. Otsu处理(Otsu's Thresholding):Otsu处理是一种自动确定二值化阈值的方法,它通过最小化类间方差或最大化类内方差的方式,找到最佳的阈值。Otsu处理可以在某些情况下得到更好的二值化结果。在OpenCV中,可以使用`cv2.threshold()`函数并将阈值类型设置为`cv2.THRESH_OTSU`来进行Otsu处理。

示例代码:

复制代码
import cv2

# 读取图像并转为灰度图

image = cv2.imread('input.jpg')

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 使用固定阈值处理

_, binary_image = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY)

# 使用自适应阈值处理

adaptive_image = cv2.adaptiveThreshold(gray_image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

# 使用Otsu处理

_, otsu_image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 显示图像

cv2.imshow('Binary Image', binary_image)

cv2.imshow('Adaptive Threshold Image', adaptive_image)

cv2.imshow('Otsu Image', otsu_image)

cv2.waitKey(0)

cv2.destroyAllWindows()

以上示例中,首先将彩色图像转换为灰度图像。然后使用固定阈值将灰度图像二值化,得到二值图像(`binary_image`)。接着使用自适应阈值处理函数`cv2.adaptiveThreshold()`对灰度图像进行自适应阈值处理,得到处理后的图像(`adaptive_image`)。最后使用Otsu处理方法将灰度图像二值化,得到Otsu处理后的图像(`otsu_image`)。可以根据具体需求调整阈值和参数以获得不同的阈值处理效果。

相关推荐
moonsims7 分钟前
全国产化行业自主无人机智能处理单元-AI飞控+通信一体化模块SkyCore-I
人工智能·无人机
MUTA️11 分钟前
ELMo——Embeddings from Language Models原理速学
人工智能·语言模型·自然语言处理
海豚调度17 分钟前
Linux 基金会报告解读:开源 AI 重塑经济格局,有人失业,有人涨薪!
大数据·人工智能·ai·开源
T__TIII22 分钟前
Dify 插件非正式打包
人工智能
jerwey27 分钟前
大语言模型(LLM)按架构分类
人工智能·语言模型·分类
令狐少侠201137 分钟前
ai之RAG本地知识库--基于OCR和文本解析器的新一代RAG引擎:RAGFlow 认识和源码剖析
人工智能·ai
小叮当爱咖啡42 分钟前
Seq2seq+Attention 机器翻译
人工智能·自然语言处理·机器翻译
shadowcz00742 分钟前
奥特曼论人工智能、OpenAI与创业
人工智能·百度
AI人工智能+1 小时前
应用俄文OCR技术,为跨语言交流与数字化管理提供更强大的支持
人工智能·ocr·文字识别
UQI-LIUWJ1 小时前
李宏毅LLM笔记: AI Agent
人工智能·笔记