入门OpenCV:图像阈值处理

基本概念

图像阈值是一种简单、高效的图像分割方法,目的是将图像转换成二值图像。这个过程涉及比较像素值和阈值,根据比较结果来确定每个像素点的状态(前景或背景)。图像阈值在处理二维码、文本识别、物体跟踪等领域中非常有用。本博客旨在简介OpenCV中的阈值处理方法,并提供实现代码,适合初学者学习。

理论介绍:

1. 阈值类型:

  • 二进制阈值:如果像素值高于阈值,则赋予一个新值(通常是白色),否则赋予另一个值(通常是黑色)。
  • 反二进制阈值:与二进制阈值相反,如果像素值高于阈值,则赋予黑色,否则赋予白色。
  • 截断阈值:如果像素值高于阈值,就赋予阈值,否则保持不变。
  • 阈值化为零:如果像素值高于阈值,则保持不变,否则赋予零。
  • 反阈值化为零:与阈值化为零相反,如果像素值高于阈值,则赋予零,否则保持不变。

2. 自适应阈值:

在不同区域的光照条件不一致的情况下,自适应阈值可以更好地处理图像,它会基于图像上的小区域(邻域)而不是整个图像来计算阈值。

示意图

放大了看看:

把关键的几个放大看看:


程序展示

Python程序

python 复制代码
# -*- coding: utf-8 -*-
"""
Created on Sat Feb 17 21:26:05 2024

@author: 李立宗

公众号:计算机视觉之光

知识星球:计算机视觉之光

"""


import cv2

# 读取图像
image = cv2.imread('lena.bmp', cv2.IMREAD_GRAYSCALE)

# 应用全局阈值处理
ret, binary_thresh = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)

# 应用自适应阈值处理
adaptive_thresh = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

# 显示原始图像,全局阈值处理结果和自适应阈值处理结果
cv2.imshow('Original Image', image)
cv2.imshow('Binary Threshold', binary_thresh)
cv2.imshow('Adaptive Threshold', adaptive_thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果

相关知识点

理解并实现OpenCV中的图像平滑技术

OpenCV中的边缘检测技术及实现

OpenCV识别人脸案例实战

参考文献

1、OpenCV轻松入门

李立宗,OpenCV轻松入门,电子工业出版社,2023

2、计算机视觉40例

李立宗,计算机视觉40例,电子工业出版社,2022

相关推荐
开MINI的工科男32 分钟前
深蓝学院-- 量产自动驾驶中的规划控制算法 小鹏
人工智能·机器学习·自动驾驶
AI大模型知识分享2 小时前
Prompt最佳实践|如何用参考文本让ChatGPT答案更精准?
人工智能·深度学习·机器学习·chatgpt·prompt·gpt-3
张人玉4 小时前
人工智能——猴子摘香蕉问题
人工智能
草莓屁屁我不吃4 小时前
Siri因ChatGPT-4o升级:我们的个人信息还安全吗?
人工智能·安全·chatgpt·chatgpt-4o
小言从不摸鱼4 小时前
【AI大模型】ChatGPT模型原理介绍(下)
人工智能·python·深度学习·机器学习·自然语言处理·chatgpt
AI科研视界4 小时前
ChatGPT+2:修订初始AI安全性和超级智能假设
人工智能·chatgpt
霍格沃兹测试开发学社测试人社区4 小时前
人工智能 | 基于ChatGPT开发人工智能服务平台
软件测试·人工智能·测试开发·chatgpt
小R资源5 小时前
3款免费的GPT类工具
人工智能·gpt·chatgpt·ai作画·ai模型·国内免费
artificiali7 小时前
Anaconda配置pytorch的基本操作
人工智能·pytorch·python
酱香编程,风雨兼程8 小时前
深度学习——基础知识
人工智能·深度学习