本文先了解一个简单阈值函数，以了解一个阈值算法的具体参数。

然后比较不同阈值函数的区别。

同样的，先用一副图说明本文重要大纲：

#! usr/bin/env python# coding: utf-8import cv2img = cv2.imread('cat.jpg')img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 先将图像矩阵进行二值化# img = cv2.imread('cat.jpg'，0)# 也可以直接将图像用灰度值读入，其中0就表示用灰度读图cv2.imshow('img',img)_,img1 = cv2.threshold(img,100,250,cv2.THRESH_BINARY)# 这个函数返回两个值，第二个值才是二值化后的图像矩阵# 最后一个参数表示一种二值化算法# 阈值设置为100,# 250表示大于100的像素值会被重新赋值为250cv2.imshow('img',img1)# cv2.waitKey()cv2.destroyAllWindows()############ 以下比较不同简单二值化算法的区别# 先进行不同算法的二值化ret,img1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)# 从名字可以看出一点来，binary是二元的意思，这里指要么0，要么指定的一个值（255）print(ret)ret,img2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)# 注意到INV表示逆，全写是inverseret,img3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)# 注意到truncate表示截断的意思。这个函数不再是二元，而是对超过某个值的部分进行处理，否则并不会处理。ret,img4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)# 实际上，这也是一种阶段，对大于某一个值的像素值进行调整，与trunc不同的是，这里变为0，而不是最大值ret,img5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)import numpy as npimport matplotlib.pyplot as plt#用这个模块来画图显示，这个库和opencv有些不同，可参考前面的博客# https://blog.csdn.net/qq_27261889/article/details/80543966# 先定义以下图的图题和图像矩阵titles = ['original','binary','binary_inv','trunc','tozero','tozero_inv']imgs = [img,img1,img2,img3,img4,img5]for i in range(6): plt.subplot(2,3,i+1)#分别画出每一个图 plt.imshow(imgs[i],'gray') plt.title(titles[i])#写出图题plt.show()

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。