Opencv 学习笔记：滑块（Trackbar）实现动态调整二值化阈值

OpenCV 的 Trackbar（滑块）可实现参数的动态调节，无需反复修改代码重启程序。本文以二值化阈值调整为例，演示滑块的创建、回调函数绑定及动态更新图像的完整流程。

核心代码实现

python 复制代码

import cv2 as cv
import numpy as np

# 1. 读取图像并转灰度
src = cv.imread(".\image\1.bmp")
if src is None:
    print('could not load image')
    exit()
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
cv.imshow("gray", gray)

# 2. 定义全局变量存储处理后图像
threshmin = 0
threshmax = 0
imges = np.zeros_like(gray)

# 3. 滑块回调函数：调整正向二值化阈值
def threshold_min(threshmin):
    ret, img = cv.threshold(gray, threshmin, 255, cv.THRESH_BINARY)
    global imges
    imges = img

# 4. 滑块回调函数：调整反向二值化阈值
def threshold_max(threshmax):
    ret, img1 = cv.threshold(gray, threshmax, 255, cv.THRESH_BINARY_INV)
    global imges
    imges = img1

# 5. 创建窗口和滑块
cv.namedWindow('image')
# 参数：滑块名、绑定窗口、初始值、最大值、回调函数
cv.createTrackbar('threshold min', 'image', 130, 255, threshold_min)
cv.createTrackbar('threshold max', 'image', 130, 255, threshold_max)

# 6. 初始化图像（触发一次回调）
threshold_max(threshmax)
threshold_min(threshmin)

# 7. 循环显示，支持动态更新
while True:
    cv.imshow('image', imges)
    # 50ms检测按键，任意按键按下退出
    if cv.waitKey(50) > 0:
        break

cv.destroyAllWindows()

关键知识点解析

滑块创建核心 API ：cv.createTrackbar(滑块名, 绑定窗口, 初始值, 最大值, 回调函数)
- 滑块值范围固定为0~最大值，适配二值化阈值（0~255）场景；
- 滑动滑块时自动触发绑定的回调函数，实时更新参数。
回调函数设计：
- 函数参数为滑块当前值（无需手动传参，OpenCV 自动传递）；
- 使用global声明全局变量，实现回调函数内外图像数据共享。
动态更新逻辑：
- while循环持续显示图像，cv.waitKey(50)保证刷新率（数值越小更新越快）；
- 两个滑块共用一个显示图像变量，滑动时会覆盖彼此效果（可扩展为分窗口显示）。
易错点修正：
- 原代码thrshold_min存在拼写错误，修正为threshold_min避免回调失效；
- 补全np.zeros_like(gray)初始化全局图像，避免首次显示空值。

总结

滑块核心是 "创建 Trackbar + 绑定回调函数 + 循环更新显示"，实现参数动态调节；
回调函数需通过全局变量传递处理后图像，保证循环显示的数据源更新；
滑块适用于阈值、滤波核大小、亮度对比度等需手动调参的场景，提升调试效率。