opencv阈值分割（opencv自动阈值）

## OpenCV 阈值分割### 简介阈值分割是一种常见的图像分割技术，它通过将图像中每个像素的灰度值与预设的阈值进行比较，来将图像分割成不同的区域。如果像素的灰度值大于阈值，则将其设置为一个值（通常是白色或最大灰度值），否则将其设置为另一个值（通常是黑色或最小灰度值）。OpenCV 提供了多种用于执行阈值分割的函数，可以根据不同的需求选择合适的函数。### 阈值类型OpenCV 支持以下几种阈值类型：1.

二值化阈值 (cv2.THRESH_BINARY):

- 如果像素值大于阈值，则设置为最大值。- 如果像素值小于或等于阈值，则设置为0。2.

反二值化阈值 (cv2.THRESH_BINARY_INV):

- 与二值化阈值相反，如果像素值大于阈值，则设置为0。- 如果像素值小于或等于阈值，则设置为最大值。3.

截断阈值 (cv2.THRESH_TRUNC):

- 如果像素值大于阈值，则设置为阈值。- 如果像素值小于或等于阈值，则保持不变。4.

阈值化为0 (cv2.THRESH_TOZERO):

- 如果像素值大于阈值，则保持不变。- 如果像素值小于或等于阈值，则设置为0。5.

反阈值化为0 (cv2.THRESH_TOZERO_INV):

- 与阈值化为0相反，如果像素值大于阈值，则设置为0。- 如果像素值小于或等于阈值，则保持不变。### 阈值分割函数OpenCV 中主要使用 `cv2.threshold` 函数进行阈值分割。

函数原型:

```python retval, dst = cv2.threshold(src, thresh, maxval, type[, dst]) ```

参数:

`src`: 输入图像，必须是单通道灰度图像。

`thresh`: 阈值。

`maxval`: 当像素值超过阈值时要使用的最大值。

`type`: 阈值类型，参考上面的阈值类型介绍。

`dst`: 输出图像，与输入图像具有相同的大小和类型。

返回值:

`retval`: 使用 `cv2.THRESH_OTSU` 或 `cv2.THRESH_TRIANGLE` 方法计算得到的最佳阈值。

`dst`: 阈值分割后的输出图像。### 自动阈值选择方法除了手动设置阈值，OpenCV 还提供了两种自动选择阈值的方法：1.

Otsu 法 (cv2.THRESH_OTSU):

- Otsu 法是一种基于直方图的阈值选择方法，它通过最大化图像前景和背景之间的方差来选择最佳阈值。- 使用时，需要在 `type` 参数中添加 `cv2.THRESH_OTSU` 标志。2.

Triangle 法 (cv2.THRESH_TRIANGLE):

- Triangle 法也是一种基于直方图的阈值选择方法，它假设直方图最大峰值对应背景，并在直方图上找到距离最大峰值最远的点作为最佳阈值。- 使用时，需要在 `type` 参数中添加 `cv2.THRESH_TRIANGLE` 标志。### 代码示例```python import cv2# 读取图像 img = cv2.imread("image.jpg", cv2.IMREAD_GRAYSCALE)# 二值化阈值分割 ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)# Otsu 法自动阈值分割 ret, thresh2 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)# 显示结果 cv2.imshow("Original Image", img) cv2.imshow("Binary Thresholding", thresh1) cv2.imshow("Otsu's Thresholding", thresh2) cv2.waitKey(0) cv2.destroyAllWindows() ```### 总结阈值分割是一种简单但有效的图像分割技术，OpenCV 提供了多种函数和参数来实现不同的阈值分割效果。选择合适的阈值类型和阈值选择方法对于获得理想的分割结果至关重要。

OpenCV 阈值分割

简介阈值分割是一种常见的图像分割技术，它通过将图像中每个像素的灰度值与预设的阈值进行比较，来将图像分割成不同的区域。如果像素的灰度值大于阈值，则将其设置为一个值（通常是白色或最大灰度值），否则将其设置为另一个值（通常是黑色或最小灰度值）。OpenCV 提供了多种用于执行阈值分割的函数，可以根据不同的需求选择合适的函数。

阈值类型OpenCV 支持以下几种阈值类型：1. **二值化阈值 (cv2.THRESH_BINARY):** - 如果像素值大于阈值，则设置为最大值。- 如果像素值小于或等于阈值，则设置为0。2. **反二值化阈值 (cv2.THRESH_BINARY_INV):**- 与二值化阈值相反，如果像素值大于阈值，则设置为0。- 如果像素值小于或等于阈值，则设置为最大值。3. **截断阈值 (cv2.THRESH_TRUNC):**- 如果像素值大于阈值，则设置为阈值。- 如果像素值小于或等于阈值，则保持不变。4. **阈值化为0 (cv2.THRESH_TOZERO):**- 如果像素值大于阈值，则保持不变。- 如果像素值小于或等于阈值，则设置为0。5. **反阈值化为0 (cv2.THRESH_TOZERO_INV):**- 与阈值化为0相反，如果像素值大于阈值，则设置为0。- 如果像素值小于或等于阈值，则保持不变。

阈值分割函数OpenCV 中主要使用 `cv2.threshold` 函数进行阈值分割。**函数原型:**```python retval, dst = cv2.threshold(src, thresh, maxval, type[, dst]) ```**参数:*** `src`: 输入图像，必须是单通道灰度图像。 * `thresh`: 阈值。 * `maxval`: 当像素值超过阈值时要使用的最大值。 * `type`: 阈值类型，参考上面的阈值类型介绍。 * `dst`: 输出图像，与输入图像具有相同的大小和类型。**返回值:*** `retval`: 使用 `cv2.THRESH_OTSU` 或 `cv2.THRESH_TRIANGLE` 方法计算得到的最佳阈值。 * `dst`: 阈值分割后的输出图像。

自动阈值选择方法除了手动设置阈值，OpenCV 还提供了两种自动选择阈值的方法：1. **Otsu 法 (cv2.THRESH_OTSU):** - Otsu 法是一种基于直方图的阈值选择方法，它通过最大化图像前景和背景之间的方差来选择最佳阈值。- 使用时，需要在 `type` 参数中添加 `cv2.THRESH_OTSU` 标志。2. **Triangle 法 (cv2.THRESH_TRIANGLE):** - Triangle 法也是一种基于直方图的阈值选择方法，它假设直方图最大峰值对应背景，并在直方图上找到距离最大峰值最远的点作为最佳阈值。- 使用时，需要在 `type` 参数中添加 `cv2.THRESH_TRIANGLE` 标志。

代码示例```python import cv2

读取图像 img = cv2.imread("image.jpg", cv2.IMREAD_GRAYSCALE)

二值化阈值分割 ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

Otsu 法自动阈值分割 ret, thresh2 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

显示结果 cv2.imshow("Original Image", img) cv2.imshow("Binary Thresholding", thresh1) cv2.imshow("Otsu's Thresholding", thresh2) cv2.waitKey(0) cv2.destroyAllWindows() ```

总结阈值分割是一种简单但有效的图像分割技术，OpenCV 提供了多种函数和参数来实现不同的阈值分割效果。选择合适的阈值类型和阈值选择方法对于获得理想的分割结果至关重要。