opencv Threshold
OpenCV阈值操作(Threshold，AdaptiveThreshold) - 疯狂的LittleBee的博客 - CSDN博客
def threshold(src, thresh, maxval, type, dst=None)
thresh：Double类型的，具体的阈值。
maxval：Double类型的，阈值的最大值
type:
THRESH_BINARY 二进制阈值化 -> 大于阈值为1 小于阈值为0
THRESH_BINARY_INV 反二进制阈值化 -> 大于阈值为0 小于阈值为1
THRESH_TRUNC 截断阈值化 -> 大于阈值为阈值，小于阈值不变
THRESH_TOZERO 阈值化为0 -> 大于阈值的不变，小于阈值的全为0
THRESH_TOZERO_INV 反阈值化为0 -> 大于阈值为0，小于阈值不变
import cv2
img = cv2.imread("C:/Users/DELL/Desktop/img2.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
gauss = cv2.GaussianBlur(gray, (3, 3), 1)
maxvalue = 255
def onthreshold(x):
value = cv2.getTrackbarPos("value", "Threshold")
a, binary = cv2.threshold(gauss, value, maxvalue, cv2.THRESH_BINARY)
b, binary_inv = cv2.threshold(gauss, value, maxvalue, cv2.THRESH_BINARY_INV)
c, trunc = cv2.threshold(gauss, value, maxvalue, cv2.THRESH_TRUNC)
d, to_zero = cv2.threshold(gauss, value, maxvalue, cv2.THRESH_TOZERO)
e, to_zero_inv = cv2.threshold(gauss, value, maxvalue, cv2.THRESH_TOZERO_INV)
if(a):
cv2.imshow("Binary", binary)
if(b):
cv2.imshow("Binary_INV", binary_inv)
if(c):
cv2.imshow("TRUNC", trunc)
if(d):
cv2.imshow("TO_ZERO", to_zero)
if(e):
cv2.imshow("TO_ZERO_INV", to_zero_inv)
cv2.namedWindow("Threshold")
cv2.createTrackbar("value", "Threshold", 0, 255, onthreshold)
cv2.imshow("Threshold", img)
cv2.waitKey(0)
在这个方法里我要讲下，你会发现方法前面有两个参数，原因是当你进入Pycharm的方法声明中，里面是这样给你实列的：
threshold(src, thresh, maxval, type[, dst]) -> retval, dst
1
第一个retval是你的方法是否执行成功，dst是目标图像，上面懒得起名字，所以用a,b,c,d,e来代表的对应方法的Bool值。
接下来讲下adaptiveThreshold的参数：
def adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C,dst=None)
maxval：Double类型的，阈值的最大值
adaptiveMethod：Int类型的，这里有两种选择
1 ADAPTIVE_THRESH_MEAN_C（通过平均的方法取得平均值）
2 ADAPTIVE_THRESH_GAUSSIAN_C(通过高斯取得高斯值)
不过这两种方法最后得到的结果要减掉参数里面的C值
thresholdType：Int类型的，方法如下：
THRESH_BINARY 二进制阈值化 -> 大于阈值为1 小于阈值为0
THRESH_BINARY_INV 反二进制阈值化 -> 大于阈值为0 小于阈值为1
THRESH_TRUNC 截断阈值化 -> 大于阈值为阈值，小于阈值不变
THRESH_TOZERO 阈值化为0 -> 大于阈值的不变，小于阈值的全为0
THRESH_TOZERO_INV 反阈值化为0 -> 大于阈值为0，小于阈值不变
blockSize：Int类型的，这个值来决定像素的邻域块有多大。
注意：这里的blockSize的值要为奇数，否则会给出这样的提示：
Assertion failed (blockSize % 2 == 1 && blockSize > 1) in cv::adaptiveThreshold
C：偏移值调整量，计算adaptiveMethod用到的参数。
实验中，我阈值的type选择第一种，来演示这两种方式得出的结果
当blockSize的值比较小的时候，两种方法得到的结果的差异不是很大