欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列，持续更新中

【youcans 的 OpenCV 例程200篇】158. 阈值处理之固定阈值法

3.1 阈值处理基础

阈值就是临界值。图像阈值处理简单、直观，计算速度快，是图像处理的基础操作，在图像分割中处于核心地位。

根据灰度值和灰度值的限制将图像划分为多个区域，或提取图像中的目标物体，是最基本的阈值处理方法。

例如，图像由暗色背景上的亮目标组成，目标像素和背景像素的灰度值组合构成两种主要模式，可以通过设定适当的阈值 T，将图像的像素划分为两类：灰度值大于 T 的像素集是目标，小于 T 的像素集是背景。

如果图像的直方图存在明显边界，容易找到图像的分割阈值；但如果图像直方图分界不明显，则很难找到合适的阈值，甚至可能无法找到固定的阈值有效地分割图像。

当 T 是应用于整幅图像的常数，称为全局阈值处理；当 T 对于整幅图像发生变化时，称为可变阈值处理。有时，对应于图像中任一点的 T 值取决于该点的邻域的限制，称为局部阈值处理。

当图像中存在高斯噪声时，通常难以通过全局阈值将图像的边界完全分开。如果图像的边界是在局部对比下出现的，不同位置的阈值也不同，使用全局阈值的效果将会很差。

OpenCV 提供了函数 cv.threshold 可以对图像进行阈值处理。

函数说明：

cv2.threshold(src, thresh, maxval, type[, dst]) → retval, dst

函数 threshold() 可以将灰度图像转换为二值图像，图像完全由像素 0 和 255 构成，呈现出只有黑白两色的视觉效果。

灰度阈值化通过选取的灰度阈值 thresh，将每个像素的灰度值与阈值进行比较，将灰度大于阈值的像素点置为最大灰度，小于阈值的像素点置为最小灰度，得到二值图像，可以突出图像轮廓，把目标从背景中分割出来。

参数说明：

• scr：变换操作的输入图像，nparray 二维数组，必须是单通道灰度图像！
• thresh：阈值，取值范围 0~255
• maxval：填充色，取值范围 0～255，一般取 255
• type：变换类型
  • cv2.THRESH_BINARY：大于阈值时置 255，否则置 0
  • cv2.THRESH_BINARY_INV：大于阈值时置 0，否则置 255
  • cv2.THRESH_TRUNC：大于阈值时置为阈值 thresh，否则不变（保持原色）
  • cv2.THRESH_TOZERO：大于阈值时不变（保持原色），否则置 0
  • cv2.THRESH_TOZERO_INV：大于阈值时置 0，否则不变（保持原色）
  • cv2.THRESH_OTSU：使用 OTSU 算法选择阈值
• 返回值 retval：返回二值化的阈值
• 返回值 dst：返回阈值变换的输出图像

注意：

• 1. 函数 cv2.threshold 进行固定阈值的二值化处理；函数 cv2.adaptiveThreshold 为自适应阈值的二值化处理函数，可以通过比较像素点与周围像素点的关系动态调整阈值。
• 2. 确切地说，只有 type 为 cv2.THRESH_BINARY 或 cv2.THRESH_BINARY_INV 时输出为二值图像，其它变换类型时进行阈值处理但并不是二值处理。

例程 11.15：图像阈值处理之固定阈值法

    # 11.15 图像阈值处理之固定阈值法# 生成灰度图像hImg, wImg = 512, 512img = np.zeros((hImg, wImg), np.uint8)  # # 创建黑色图像 RGB=0cv2.rectangle(img, (60,60), (450,320), (127,127,127), -1)  # -1 表示矩形填充cv2.circle(img, (256, 256), 120, (205,205,205), -1)  # -1 表示圆形填充# 添加高斯噪声mu, sigma = 0.0, 25.0noiseGause = np.random.normal(mu, sigma, img.shape)imgNoise = img + noiseGauseimgNoise = np.uint8(cv2.normalize(imgNoise, None, 0, 255, cv2.NORM_MINMAX))  # 归一化为 [0,255]# 阈值处理ret, imgBin1 = cv2.threshold(img, 63, 255, cv2.THRESH_BINARY)  # 阈值分割, thresh=63ret, imgBin2 = cv2.threshold(img, 125, 255, cv2.THRESH_BINARY)  # 阈值分割, thresh=125ret, imgBin3 = cv2.threshold(img, 175, 255, cv2.THRESH_BINARY)  # 阈值分割, thresh=175plt.figure(figsize=(10, 7))plt.subplot(231), plt.axis('off'), plt.title("original"), plt.imshow(img, 'gray')plt.subplot(232), plt.axis('off'), plt.title("original with noise"), plt.imshow(imgNoise, 'gray')plt.subplot(233, yticks=[]), plt.title("Gray Hist")  # 直方图histNP, bins = np.histogram(imgNoise.flatten(), bins=255, range=[0, 255], density=True)plt.bar(bins[:-1], histNP[:])plt.subplot(234), plt.title("threshold=63"), plt.axis('off'), plt.imshow(imgBin1,'gray')plt.subplot(235), plt.title("threshold=125"), plt.axis('off'), plt.imshow(imgBin2,'gray')plt.subplot(236), plt.title("threshold=175"), plt.axis('off'), plt.imshow(imgBin3,'gray')plt.tight_layout()plt.show()

（本节完）

---

版权声明：

youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/124181317)

Copyright 2022 youcans, XUPT
Crated：2022-4-15

欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列，持续更新中

【youcans 的 OpenCV 例程200篇】158. 阈值处理之固定阈值法
【youcans 的 OpenCV 例程200篇】159. 图像分割之全局阈值处理
【youcans 的 OpenCV 例程200篇】160. 图像处理之OTSU 方法
【youcans 的 OpenCV 例程200篇】161. OTSU 阈值处理算法的实现
【youcans 的 OpenCV 例程200篇】162. 全局阈值处理改进方法
【youcans 的 OpenCV 例程200篇】163. 基于边缘信息改进全局阈值处理
【youcans 的 OpenCV 例程200篇】164.使用 Laplace 边缘信息改进全局阈值处理
【youcans 的 OpenCV 例程200篇】165.多阈值 OTSU 处理方法
【youcans 的 OpenCV 例程200篇】166.自适应阈值处理
【youcans 的 OpenCV 例程200篇】167.基于移动平均的可变阈值处理
更多内容，请见：
【OpenCV 例程200篇 总目录-202206更新】