python 自适应阈值分割

Python的自适应阈值分割是一种图像处理方法，通过根据图像中不同区域的亮度特征来自动确定阈值进行图像分割。这种方法能够更好地适应图像中的光照变化和噪声。在Python中，可以使用OpenCV库中的adaptiveThreshold()函数来实现自适应阈值分割。

adaptiveThreshold()函数的参数包括输入图像(src)、输出图像(dst)、最大阈值(maxValue)、自适应方法(adaptiveMethod)、阈值类型(teresholdType)、邻域大小(blocksize)和常数(C)。其中，自适应方法可以选择ADAPTIVE_THRESH_MEAN_C或ADAPTIVE_THRESH_GAUSSIAN_C，阈值类型可以选择THRESH_BINARY或THRESH_BINARY_INV。

在代码示例中，adaptiveThresh()函数是对图像进行自适应动态阈值分割的具体实现。该函数首先对图像进行均值平滑，然后计算图像与平滑结果的差值，并根据差值的正负将输出值设置为255或0。最后，将输出值转换为无符号8位整数类型。

put()函数是图像处理的主函数，它读取灰度图像并调用adaptiveThresh()函数进行自适应动态阈值分割。然后，使用matplotlib库将原图像和分割结果显示在子图中，并展示处理后的图像。

因此，通过调用put()函数并传入图像路径，可以对图像进行自适应阈值分割，并显示处理后的图像效果。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [7.1 Python图像处理之图像分割-自适应阈值](https://blog.csdn.net/qq_38463737/article/details/119566450)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *2* [Python笔记.docx](https://download.csdn.net/download/bxy0806/88235414)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *3* [OpenCV-Python-(6)-阈值分割](https://blog.csdn.net/qq_40755643/article/details/84066750)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"]
[ .reference_list ]