python学opencv|读取图像(三十五)反阈值处理

【1】引言

前序已经学习了对灰度图像和彩色图像的阈值处理,对图像的RGB通道强行赋值,相关链接为:

python学opencv|读取图像(三十三)阈值处理-灰度图像-CSDN博客

python学opencv|读取图像(三十四)阈值处理-彩色图像-CSDN博客

在应用上述阈值处理的过程中,我们调用的函数是cv2.threshold(),该函数的官网链接为:

OpenCV: Miscellaneous Image Transformations

在官网,我们会看到对cv2.threshold()函数的处理中,有一个type参数,这是我们之前未深入探讨的地方,今天我们就着重研究一下。

图1

【2】阈值和反阈值处理

点击图1中type对应的ThresholdTypes,会链接到新的网页:

OpenCV: Miscellaneous Image Transformations

在这里,我们主要关注两个type:

图2

图2显示了两个type:cv.THRESH_BINARY和cv.THRESH_BINARY_INV,这两个是完全过来的,第一个只要实际值大于阈值开关,就直接赋最大值,第二个则是不超过阈值开关时赋最大值。

cv.THRESH_BINARY在之前的两篇文章中,一直被cv2.threshold()调用。所以,如果做反阈值处理,cv2.threshold()函数就要调用cv.THRESH_BINARY_INV。

【3】代码测试

代码测试直接使用前两篇使用的代码,只需要修改cv2.threshold()函数,使其从调用cv.THRESH_BINARY该换为调用cv.THRESH_BINARY_INV即可。

【3.1】灰度图像

灰度图像反阈值处理使用的完整代码为:

python 复制代码
import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块

# 读取图片
src = cv.imread('scasrcf.png',0)
dst=src#输出图像


t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY_INV) #阈值开关58,阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY_INV) #阈值开关100,阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY_INV) #阈值开关0,阈值上限255

#展示图像
cv.imshow('srcf', dst)  # 在屏幕展示效果
cv.imshow('srcft1', dst1)  # 在屏幕展示效果
cv.imshow('srcft2', dst2)  # 在屏幕展示效果
cv.imshow('srcft3', dst3)  # 在屏幕展示效果
print("dst像素数为[100,100]位置处的BGR=", dst[100, 100])  # 获取像素数为[100,100]位置处的BGR
print("dst1像素数为[100,100]位置处的BGR=", dst1[100, 100])  # 获取像素数为[100,100]位置处的BGR
print("dst2像素数为[100,100]位置处的BGR=", dst2[100, 100])  # 获取像素数为[100,100]位置处的BGR
print("dst3像素数为[100,100]位置处的BGR=", dst3[100, 100])  # 获取像素数为[100,100]位置处的BGR

#保存图像
cv.imwrite('srcf-m-V.png', dst)  # 保存图像
cv.imwrite('srcf-m-t1-V.png', dst1)  # 保存图像
cv.imwrite('srcf-m-t2-V.png', dst2)  # 保存图像
cv.imwrite('srcf-m-t3-V.png', dst3)  # 保存图像
cv.waitKey()  # 图像不会自动关闭
cv.destroyAllWindows()  # 释放所有窗口

可以看到,阈值处理函数全部调用了 cv.THRESH_BINARY_INV:

复制代码
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY_INV) #阈值开关58,阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY_INV) #阈值开关100,阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY_INV) #阈值开关0,阈值上限255

本次使用的原图是:

图2

获得的未做阈值处理的灰度图为:

++图3 未做阈值处理的灰度图++

此时经过阈值函数处理,获得的图像分别为:

++图4 阈值开关58,阈值上限158,反阈值处理++

++图5 阈值开关100,阈值上限255,反阈值处理++

++图6 阈值开关0,阈值上限255,反阈值处理++

经过此次反阈值处理,会发现:原图亮的地方变暗了,暗的地方变亮了。

如果仔细核对特定点的BGR值,也会发现这个结论:

++图7++

【3.2】彩色图像

彩色图像反阈值处理使用的完整代码为:

python 复制代码
import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块

# 读取图片
src = cv.imread('srcun.png')
dst=src#输出图像


t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY_INV) #阈值开关58,阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY_INV) #阈值开关100,阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY_INV) #阈值开关0,阈值上限255

#展示图像
cv.imshow('srcf', dst)  # 在屏幕展示效果
cv.imshow('srcft1', dst1)  # 在屏幕展示效果
cv.imshow('srcft2', dst2)  # 在屏幕展示效果
cv.imshow('srcft3', dst3)  # 在屏幕展示效果
print("dst像素数为[100,100]位置处的BGR=", dst[100, 100])  # 获取像素数为[100,100]位置处的BGR
print("dst1像素数为[100,100]位置处的BGR=", dst1[100, 100])  # 获取像素数为[100,100]位置处的BGR
print("dst2像素数为[100,100]位置处的BGR=", dst2[100, 100])  # 获取像素数为[100,100]位置处的BGR
print("dst3像素数为[100,100]位置处的BGR=", dst3[100, 100])  # 获取像素数为[100,100]位置处的BGR

#保存图像
cv.imwrite('srcf-m-VC.png', dst)  # 保存图像
cv.imwrite('srcf-m-t1-VC.png', dst1)  # 保存图像
cv.imwrite('srcf-m-t2-VC.png', dst2)  # 保存图像
cv.imwrite('srcf-m-t3-VC.png', dst3)  # 保存图像
cv.waitKey()  # 图像不会自动关闭
cv.destroyAllWindows()  # 释放所有窗口

代码运行后,经过饭阈值处理的图像为:

++图8 阈值开关58,阈值上限158,反阈值处理++

++图9 阈值开关100,阈值上限255,反阈值处理++

++图10 阈值开关0,阈值上限255,反阈值处理、++

由图8、图9和图10反阈值效果图可见:

和灰度图像一致,对彩色图像,反阈值处理的结果也是让亮暗的地方反向变化。

特定像素点的BGR取值也能证明这一点:

图11

【4】细节说明

cv.THRESH_BINARY和cv.THRESH_BINARY_INV是完全相反的操作,但实际BGR值和阈值开关进行判断时,采取的操作都是按照:大于是一个取值,小于等于(不大于)是相反的取值。

【5】总结

掌握了python+opencv实现灰度图和彩色图像反阈值操作的技巧。

相关推荐
Q_Q5110082854 分钟前
python+uniapp基于微信小程序美食点餐系统
spring boot·python·微信小程序·django·flask·uni-app·node.js
你的电影很有趣17 分钟前
lesson68:JavaScript 操作 HTML 元素、属性与样式全指南
开发语言·前端·javascript
熊猫_豆豆27 分钟前
MATLAB画出湖面波纹相遇所形成的现象
开发语言·matlab·仿真
小关会打代码30 分钟前
关于Pycharm中在运行出现语法错误:Non-UTF-8 code starting with
ide·python·pycharm
用户37215742613530 分钟前
Python 高效将 PDF 转换为 HTML 的实用指南
python
深栈32 分钟前
机器学习:编码方式
人工智能·python·机器学习·编码
yzx99101335 分钟前
Django 搭配数据库开发智慧园区系统全攻略
python·django·数据库开发
PixelMind44 分钟前
【LLIE技术专题】 SCI代码讲解
图像处理·python·低照度图像增强·llie
花心蝴蝶.1 小时前
Java 中的代理模式
java·开发语言·代理模式
风语者6661 小时前
perl踩坑系列=====正则表达式捕获
开发语言·perl