OpenCV基础 - 技术栈

3.2自适应阈值

运行截图

复制代码

import cv2
from matplotlib import pyplot as plt

# 读取图像
im1 = cv2.imread("./image/qp.jpg")

# 检查图像是否成功加载
if im1 is None:
    print("Error: Image not found or unable to read.")
    exit()

# 转换为灰度图
gray = cv2.cvtColor(im1, cv2.COLOR_BGR2GRAY)

# 应用全局阈值
ret, th1 = cv2.threshold(gray, 66, 255, cv2.THRESH_BINARY)

# 应用自适应阈值（均值）
th2 = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C,
                            cv2.THRESH_BINARY, 11, 2)

# 应用自适应阈值（高斯）并反二值化
th3 = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                            cv2.THRESH_BINARY_INV, 11, 2)

# 设置标题列表（修正拼写错误）
titles = ["Original", "TH_BINARY", "TH_ADAPTIVE_MEAN_C", "TH_ADAPTIVE_GAUSSIAN_C_INV"]
images = [im1, th1, th2, th3]

# 使用matplotlib显示图像
for i in range(4):
    plt.subplot(2, 2, i + 1)
    plt.imshow(images[i], cmap='gray')  # 使用cmap='gray'来指定灰度颜色映射
    plt.title(titles[i])
    plt.axis('off')  # 关闭坐标轴

plt.tight_layout()  # 调整子图布局
plt.show()

ret, th1 = cv2.threshold(gray, 66, 255, cv2.THRESH_BINARY)：对灰度图像gray进行全局二值化阈值处理。
- 66是设定的阈值。
- 255是最大值。
- cv2.THRESH_BINARY表示阈值类型为二值化，即大于阈值的像素设置为最大值255（白色），小于等于阈值的像素设置为0（黑色），处理结果存储在th1中，ret是返回的阈值（这里未使用）。
- th2 = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)：对灰度图像gray进行自适应阈值处理，采用均值方法。
  - 255是最大值。
  - cv2.ADAPTIVE_THRESH_MEAN_C表示自适应阈值类型为均值。
  - cv2.THRESH_BINARY表示阈值类型为二值化。
  - 11是邻域大小，即计算阈值时考虑的像素邻域大小。
  - 2是从均值或加权均值中减去的常数，用于调整阈值，处理结果存储在th2中。
  - th3 = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)：对灰度图像gray进行自适应阈值处理，采用高斯方法，并进行反二值化。
    - 255是最大值。
    - cv2.ADAPTIVE_THRESH_GAUSSIAN_C表示自适应阈值类型为高斯。
    - cv2.THRESH_BINARY_INV表示阈值类型为反二值化，即大于阈值的像素设置为0，小于等于阈值的像素设置为255。
    - 11是邻域大小。
    - 2是从加权均值中减去的常数，处理结果存储在th3中。