opencv阈值操作

ret, dst = cv2.threshold(src, thresh, maxval, type)

·src: 输入图,只能输入单通道图像,通常来说为灰度图

·dst: 输出图

·thresh: 阈值

·maxval: 当像素值超过了阈值(或者小于阈值,根据type来决定),所赋予的值

·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

python 复制代码
# 导入OpenCV库,用于图像处理  
import cv2  
# 从matplotlib库中导入pyplot模块,用于绘制图像  
from matplotlib import pyplot as plt  
  
# 创建一个名为'window'的窗口,窗口大小自动调整  
cv2.namedWindow('window', cv2.WINDOW_AUTOSIZE)  # cv2.WINDOW_AUTOSIZE: 窗口大小自动调整,不允许用户改变窗口大小  
  
# 使用OpenCV的imread函数读取名为"mao.jpg"的图片,参数1表示读取彩色图像  
cat = cv2.imread("mao.jpg", 1)  # cat变量存储读取的图像数据,OpenCV默认以BGR格式读取  
  
# 在名为'window'的窗口中显示图像  
cv2.imshow('window', cat)  
  
# 对图像进行二值化处理,使用不同的阈值类型  
ret, thresh1 = cv2.threshold(cat, 127, 255, cv2.THRESH_BINARY)  # 二进制阈值  
ret, thresh2 = cv2.threshold(cat, 127, 255, cv2.THRESH_BINARY_INV)  # 反二进制阈值  
ret, thresh3 = cv2.threshold(cat, 127, 255, cv2.THRESH_TRUNC)  # 截断阈值  
ret, thresh4 = cv2.threshold(cat, 127, 255, cv2.THRESH_TOZERO)  # 阈值化为0  
ret, thresh5 = cv2.threshold(cat, 127, 255, cv2.THRESH_TOZERO_INV)  # 反阈值化为0  
  
# 定义图像标题列表  
titles = ['Original Image', 'Binary Image', 'THRESH_BINARY_INV', 'THRESH_TRUNC', 'THRESH_TOZERO', 'THRESH_TOZERO_INV']  
  
# 定义图像列表  
images = [cat, thresh1, thresh2, thresh3, thresh4, thresh5]  
  
# 使用matplotlib绘制所有图像及其标题  
for i in range(6):  
    # 创建子图,2行3列,当前位置为i+1  
    plt.subplot(2, 3, i+1)  
    # 显示图像,使用灰度颜色映射  
    plt.imshow(images[i], 'gray')  
    # 设置子图标题  
    plt.title(titles[i])  
    # 隐藏x轴和y轴的刻度  
    plt.xticks([]), plt.yticks([])  
  
# 显示所有子图  
plt.show()  
  
# 等待按键事件,0表示无限期等待  
key = cv2.waitKey(0)  
  
# 检查按下的键是否是'q',如果是则销毁所有窗口  
if key & 0xFF == ord('q'):  # 0xFF是掩码,用于确保只检查最低8位  
    print("准备销毁窗口")  
    cv2.destroyAllWindows()

效果展示

相关推荐
IT_陈寒1 小时前
React 18实战:7个被低估的Hooks技巧让你的开发效率提升50%
前端·人工智能·后端
逛逛GitHub2 小时前
飞书多维表“独立”了!功能强大的超出想象。
人工智能·github·产品
机器之心2 小时前
刚刚,DeepSeek-R1论文登上Nature封面,通讯作者梁文锋
人工智能·openai
CoovallyAIHub3 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
CoovallyAIHub4 小时前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
aneasystone本尊4 小时前
学习 Chat2Graph 的知识库服务
人工智能
IT_陈寒5 小时前
Redis 性能翻倍的 7 个冷门技巧,第 5 个大多数人都不知道!
前端·人工智能·后端
飞哥数智坊15 小时前
GPT-5-Codex 发布,Codex 正在取代 Claude
人工智能·ai编程
倔强青铜三15 小时前
苦练Python第46天:文件写入与上下文管理器
人工智能·python·面试
虫无涯16 小时前
Dify Agent + AntV 实战:从 0 到 1 打造数据可视化解决方案
人工智能