图像阈值

理论

图像阈值分割 利用图像中 要提取的目标区域 与 其背景 在 灰度特性 上的差异，把图像看作 具有不同灰度级的两类区域 (目标区域和背景区域)的组合。

选取一个比较合理的阈值，以确定图像中每个像素点 应该属于目标区域 还是背景区域，从而产生相应的二值图像。

阈值分割法的特点是：适用于 目标与背景灰度 有较强对比 的情况，重要的是背景或物体的 灰度比较单一，而且总可以得到封闭 且 连通区域 的边界。

---

threshold 方法

threshold(src, thresh, maxval, type[, dst]) -> retval, dst

src：原始图像；
thresh：阈值，在 0--255 之间；如 127；
maxval：最大可能值，最大为 255；
type：二值化操作类型；方法类型，怎么样判断阈值，判断后怎么处理

• cv2.THRESH_TOZERO_INV
• cv2.THRESH_BINARY 超过阈值部分取 maxval (最大值)， 否则取0
• cv2.THRESH_BINARY_INV， THRESH_BINARY的反转
• cV2.THRESH_TRUNC， 大于阈值部分设为阈值,否则不变；如阈值设置为 127，大于 127的，设置为 127
• cv2.THRESH_TOZERO， 大于阈值部分不改变,否则设为0
• cv2.THRESH_TOZERO_INV，THRESH_TOZERO的反转

INV 这个代表反转(inverse)，在很多地方都会用到

---

下图做了一个形象的总结：

---

调用示例

import cv2
import matplotlib.pyplot as plt

# 读取为灰度图
img_gray=cv2.imread('dj.jpg',cv2.IMREAD_GRAYSCALE)

ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)

titles = [' Original ' , 'BINARY', 'BINARY_INV', ' TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img_gray, 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()

---

## 彩色图像的遍历
 
img = cv2.imread('lena.jpg')
h,w,n = img.shape
img2 = img.copy()
 
for i in range(h):
    for j in range(w):
        img2[i,j][1] = 0   
      
cv_show(img2)