圖像閾值化可以理解為一個(gè)簡(jiǎn)單的圖像分割操作，閾值又稱(chēng)為臨界值，它的目的是確定出一個(gè)范圍，然后這個(gè)范圍內(nèi)的像素點(diǎn)使用同一種方法處理，而閾值之外的部分則使用另一種處理方法或保持原樣。
閾值處理有2種方式，一種是固定閾值方式，又包括多種處理模式，另一種是非固定閾值，由程序根據(jù)算法以及給出的最大閾值計(jì)算圖像合適的閾值，再用這個(gè)閾值進(jìn)行二值化處理
1.固定閾值方式（threshold）
Opencv API：文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-425483.html
ret, dst = cv2.threshold(src, thresh, maxval, type)
輸入：1.src：輸入的圖像（只能為單通道圖像，例如灰度圖）；2.thresh：閾值。通過(guò)閾值水平的像素被接受，不通過(guò)的則不接受，閾值判斷時(shí)，是以小于等于閾值和大于閾值作為分界條件；3.maxVal：maxval是閾值化后的最大值；4.type：二值化操作的類(lèi)型，包含以下5種類(lèi)型
函數(shù)返回值：ret表示實(shí)際使用的閾值即threshold，dst表示輸出圖像
| 類(lèi)型 | 說(shuō)明 |
|---|---|
| cv2.THRESH_BINARY | 超過(guò)閾值部分取maxval（最大值），否則取0 |
| cv2.THRESH_BINARY_INV | 不超過(guò)閾值的像素設(shè)置為maxVal，超過(guò)的設(shè)置為0 上一種的反轉(zhuǎn) |
| cv2.THRESH_TRUNC | 大于閾值部分設(shè)為閾值，否則不變 trunc截?cái)?即用閾值來(lái)截?cái)?/td> |
| cv2.THRESH_TOZERO | 小于或等于閥值的設(shè)為0，其余部分不變 |
| cv2.THRESH_TOZERO_INV | THRESH_TOZERO的反轉(zhuǎn) |
2.自適應(yīng)閾值方式（adaptiveThreshold）
根據(jù)圖像上的每一個(gè)小區(qū)域，計(jì)算與其對(duì)應(yīng)的閾值，從而使得同一幅圖像上的不同區(qū)域采用不同的閾值，在亮度不同的情況下得到更好的結(jié)果。該函數(shù)用來(lái)對(duì)灰度圖應(yīng)用自適應(yīng)閾值，取決于傳遞給它的自適應(yīng)方法。需要傳遞幾個(gè)參數(shù)，包括最大閾值，塊大?。梢允?、5、7等）以及一個(gè)將從計(jì)算得到的塊均值中減去的常量值，該值可以為0。
Opencv API：
dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
src: 需要處理的源圖像。
maxValue: 當(dāng)像素值超過(guò)閾值時(shí)，所賦的最大值。
adaptiveMethod: 自適應(yīng)閾值算法的類(lèi)型，目前支持ADAPTIVE_THRESH_MEAN_C 和 ADAPTIVE_THRESH_GAUSSIAN_C兩種類(lèi)型。
thresholdType: 閾值的類(lèi)型，目前支持THRESH_BINARY 和 THRESH_BINARY_INV兩種類(lèi)型。
blockSize: 自適應(yīng)閾值算法使用的塊大小，必須是一個(gè)奇數(shù)。
C: 從均值或加權(quán)均值中減去的常量，用于調(diào)節(jié)閾值。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-425483.html
到了這里，關(guān)于Opencv+Python筆記（五）圖像閾值化處理的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
![圖像處理之閾值分割[全局閾值、Otsu閾值和迭代式閾值分割]](https://imgs.yssmx.com/Uploads/2024/02/778108-1.png)
