opencv python二值化处理

在Python中使用OpenCV进行图像二值化处理是非常常见的操作。OpenCV提供了几种方法来实现图像二值化，其中最常用的是全局阈值二值化方法。在全局阈值二值化方法中，我们选取一个全局阈值，然后将整幅图像分成非黑即白的二值图像。在OpenCV中可以使用cv2.threshold()函数来实现全局阈值二值化。

cv2.threshold()函数有四个参数。第一个参数是原图像，第二个参数是进行分类的阈值，第三个参数是高于（或低于）阈值时赋予的新值，第四个参数是一个方法选择参数，常用的有cv2.THRESH_BINARY（黑白二值）、cv2.THRESH_BINARY_INV（黑白二值反转）、cv2.THRESH_TRUNC（多像素值）、cv2.THRESH_TOZERO和cv2.THRESH_TOZERO_INV。该函数的返回值有两个，第一个是得到的阈值值，第二个是阈值化后的图像。

以下是一个使用全局阈值二值化方法的实例：

import cv2
import matplotlib.pyplot as plt

img = cv2.imread('flower.jpg', 0)  # 直接读取为灰度图像
ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)

titles = ['img', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

for i in range(6):
    plt.subplot(2, 3, i+1)
    plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])

plt.show()

另外，OpenCV还提供了自适应阈值二值化方法。在自适应阈值二值化方法中，算法会根据图像的局部特征自动调整阈值。以下是一个使用自适应阈值二值化方法的实例：

import cv2
import matplotlib.pyplot as plt

img = cv2.imread('flower.jpg', 0)  # 直接读取为灰度图像
ret, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
th2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
th3 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

images = [img, th1, th2, th3]

plt.figure()
for i in range(4):
    plt.subplot(2, 2, i+1)
    plt.imshow(images[i], 'gray')

plt.show()

以上就是使用OpenCV进行图像二值化处理的方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>