Python|使用 OpenCV 的阈值技术 | Set-1（简单阈值）

阈值是 OpenCV 中的一种技术，它是相对于所提供的阈值分配像素值。在阈值处理中，将每个像素值与阈值进行比较。如果像素值小于阈值，则设置为0，否则设置为最大值（一般为255）。阈值是一种非常流行的分割技术，用于将被视为前景的对象与其背景分离。阈值是在其任一侧具有两个区域的值，即低于阈值或高于阈值。
在计算机视觉中，这种阈值技术是在灰度图像上完成的。因此，最初，必须在灰度色彩空间中转换图像。

If f (x, y) < T 
   then f (x, y) = 0 
else 
   f (x, y) = 255

where 
f (x, y) = Coordinate Pixel Value
T = Threshold Value.

在带有Python的 OpenCV 中，函数cv2.threshold用于阈值处理。

Syntax: cv2.threshold(source, thresholdValue, maxVal, thresholdingTechnique) 
Parameters: 
-> source: Input Image array (must be in Grayscale). 
-> thresholdValue: Value of Threshold below and above which pixel values will change accordingly. 
-> maxVal: Maximum value that can be assigned to a pixel. 
-> thresholdingTechnique: The type of thresholding to be applied. 
 

简单阈值

基本的阈值技术是二进制阈值。对于每个像素，应用相同的阈值。如果像素值小于阈值，则设置为0，否则设置为最大值。
不同的简单阈值技术是：

• cv2.THRESH_BINARY ：如果像素强度大于设置的阈值，则值设置为 255，否则设置为 0（黑色）。
• cv2.THRESH_BINARY_INV : cv2.THRESH_BINARY 的反转或相反的情况。
• cv.THRESH_TRUNC ：如果像素强度值大于阈值，则将其截断为阈值。像素值设置为与阈值相同。所有其他值保持不变。
• cv.THRESH_TOZERO ：像素强度设置为0，对于所有像素强度，小于阈值。
• cv.THRESH_TOZERO_INV : cv2.THRESH_TOZERO 的反转或相反的情况。

下面是解释不同简单阈值技术的Python代码 -

Python3

# Python program to illustrate
# simple thresholding type on an image
     
# organizing imports
import cv2
import numpy as np
 
# path to input image is specified and 
# image is loaded with imread command
image1 = cv2.imread('input1.jpg')
 
# cv2.cvtColor is applied over the
# image input with applied parameters
# to convert the image in grayscale
img = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
 
# applying different thresholding
# techniques on the input image
# all pixels value above 120 will
# be set to 255
ret, thresh1 = cv2.threshold(img, 120, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img, 120, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img, 120, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img, 120, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img, 120, 255, cv2.THRESH_TOZERO_INV)
 
# the window showing output images
# with the corresponding thresholding
# techniques applied to the input images
cv2.imshow('Binary Threshold', thresh1)
cv2.imshow('Binary Threshold Inverted', thresh2)
cv2.imshow('Truncated Threshold', thresh3)
cv2.imshow('Set to 0', thresh4)
cv2.imshow('Set to 0 Inverted', thresh5)
   
# De-allocate any associated memory usage 
if cv2.waitKey(0) & 0xff == 27:
    cv2.destroyAllWindows()

输入：

输出：