【OpenCV】图像处理实战：边界填充与阈值详解

目录

1.边界填充

2.图像的相关数值计算

3.图像融合

4.图像阈值

---

1.边界填充

用的函数都是copyMakeBorder,最后的参数是填充方法

2.图像的相关数值计算

每个像素点加10

:5,:,0只打印前面5行

add是直接等于两图像的像素点值之和，但是不可以超过255，超过255就等于255

3.图像融合

图像大小不一样不能融合

进行相应的转换

也可以将目标值设为（0，0），进行比例缩放

fx=4表示将x轴变为原来的4倍

fy=4表示将y轴变为原来的4倍

也可以缩放为其他倍数

0.4是cat图像的权重，0.6是dog图像的权重，0是偏置项（给图像提亮多少）

4.图像阈值

函数

cv2.threshold(src, thresh, maxval, type)

函数作用

cv2.threshold() 函数的主要功能是将灰度图像转换为二值图像。在转换过程中，会把图像中每个像素的值与设定的阈值进行比较，再依据比较结果为该像素赋予新的值。

参数解析

cv2.threshold(src, thresh, maxval, type) 函数包含 4 个参数，下面分别介绍：

1. src：这是输入的图像，要求必须是单通道的灰度图像。如果传入的是彩色图像，需要先将其转换为灰度图。

2. thresh：即设定的阈值，是一个浮点数或者整数。在比较时，会用图像中每个像素的值与这个阈值作对比。

3. maxval：当像素值满足阈值条件时，会将该像素的值设为这个 maxval。它也是一个浮点数或者整数。

4. type：表示阈值处理的类型，有多种选择，具体如下：

   1. cv2.THRESH_BINARY：二值阈值，若像素值大于阈值，则设为 maxval，否则设为 0。

   2. cv2.THRESH_BINARY_INV：反二值阈值，像素值大于阈值时设为 0，否则设为 maxval。

   3. cv2.THRESH_TRUNC：截断阈值，像素值大于阈值时设为阈值，否则保持原像素值。

   4. cv2.THRESH_TOZERO：归零阈值，像素值大于阈值时保持不变，否则设为 0。

   5. cv2.THRESH_TOZERO_INV：反归零阈值，像素值大于阈值时设为 0，否则保持不变。

   6. cv2.THRESH_OTSU：大津法自动阈值，会自动计算最优阈值，使用时需将该标志和前面的阈值类型结合，例如 cv2.THRESH_BINARY + cv2.THRESH_OTSU。

返回值

该函数会返回两个值：

• ret：返回计算得到的阈值。如果使用了 OTSU 或 TRIANGLE 方法，就会返回自动计算出的阈值，否则返回设定的阈值。

• dst：是处理后的输出图像，为二值图像。

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像并转换为灰度图
image = cv2.imread('example.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 应用不同的阈值处理
ret1, thresh1 = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
ret2, thresh2 = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
ret3, thresh3 = cv2.threshold(gray, 127, 255, cv2.THRESH_TRUNC)
ret4, thresh4 = cv2.threshold(gray, 127, 255, cv2.THRESH_TOZERO)
ret5, thresh5 = cv2.threshold(gray, 127, 255, cv2.THRESH_TOZERO_INV)

# 使用 OTSU 方法自动计算阈值
ret6, thresh6 = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 显示结果
titles = ['Original', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV', 'OTSU']
images = [gray, thresh1, thresh2, thresh3, thresh4, thresh5, thresh6]

plt.figure(figsize=(12, 8))
for i in range(7):
    plt.subplot(2, 4, i+1)
    plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])

plt.tight_layout()
plt.show()

物体检测适合用 BINARY 类型，而图像降噪可考虑 TOZERO 类型。