自适应二值化,高斯加权二值化:

image =cv2.imread(r'E:\data\barcode\test\1009_11\test\blur\509915979678918664.jpg', 1)gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化
binary = cv2.adaptiveThreshold(~gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 35, -5)
# ret,binary = cv2.threshold(~gray, 127, 255, cv2.THRESH_BINARY)
cv2.imshow("二值化图片:", binary)  # 展示图片
cv2.waitKey(0)

1.图像二值化

图像二值化就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果。

将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。

图像的二值化有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓。

2. 图像二值化处理

在将图像二值化之前需要将其先灰度化,示例代码:

 import cv2surimg = cv2.imread(filename)height, width = i

python 图像二值化相关推荐

  1. ostu阈值分割python实现_opencv python 图像二值化/简单阈值化/大津阈值法

    1简单的阈值化 cv2.threshold第一个参数是源图像,它应该是灰度图像. 第二个参数是用于对像素值进行分类的阈值, 第三个参数是maxVal,它表示如果像素值大于(有时小于)阈值则要给出的值. ...

  2. Python使用openCV把原始彩色图像转化为灰度图、使用OpenCV把图像二值化(仅仅包含黑色和白色的简化版本)、基于自适应阈值预处理(adaptive thresholding)方法

    Python使用openCV把原始彩色图像转化为灰度图.使用OpenCV把图像二值化(仅仅包含黑色和白色的简化版本).基于自适应阈值预处理(adaptive thresholding)方法 目录

  3. python opencv二值化图像_python opencv,读取彩色图像,提取三通道,图像二值化,提取图像的边缘...

    python opencv,读取彩色图像,提取三通道,图像二值化,提取图像的边缘 python opencv 1,读取图像 2,图像变矩阵 3,图像转灰度图像 4,彩色图像是3D数组 5,灰度图像是2 ...

  4. 用python怎么样实现图像二值化_使用Python+OpenCV如何实现图像二值化

    使用Python+OpenCV如何实现图像二值化 发布时间:2020-10-26 14:15:52 来源:亿速云 阅读:77 作者:蛋片鸡 这篇文章运用简单易懂的例子给大家介绍使用Python+Ope ...

  5. python opencv图像二值化函数_python opencv 二值化 计算白色像素点的实例

    python opencv 二值化 计算白色像素点的实例 贴部分代码 #! /usr/bin/env python # -*- coding: utf-8 -*- import cv2 import ...

  6. OpenCV图像二值化,Python

    OpenCV图像二值化,Python 原图: 二值化处理(只有黑和白): import cv2if __name__=="__main__":image = cv2.imread( ...

  7. OpenCV+python:图像二值化

    1,图像二值化概念及方法 一个像素点的颜色是由RGB三个值来表现的,所以一个像素点矩阵对应三个颜色向量矩阵,分别是R矩阵,G矩阵,B矩阵,它们也都是同样大小的矩阵. 在图像处理中,用RGB三个分量(R ...

  8. python将灰度图像二值化_python实现图像二值化

    1.什么是图像二值化 彩色图像: 有blue,green,red三个通道,取值范围均为0-255 灰度图:只有一个通道0-255,所以一共有256种颜色 二值图像:只有两种颜色,黑色和白色,二值化就是 ...

  9. 基于python的图像二值化处理(opencv)

    图像二值化处理 (python-opencv) 二值化 图像的二值化,在图像处理中是十分重要的一个步骤.是几乎所有后续的图像处理的基础和前提.只有根据不同场景选择不同的二值化处理,才能对一幅图片较好的 ...

最新文章

  1. [Spring 深度解析]第2章 Spring基础
  2. 【读薄Effective Java】创建和销毁对象
  3. 【深度学习】遗传算法优化GAN
  4. U盘制作linux启动盘
  5. css实现左(右)侧固定宽度,右(左)侧宽度自适应 ---清除浮动
  6. 薅羊毛 Colab使用外部数据的7种方法!
  7. CMFCPropertySheet的使用及PROPSHEETHEADER结构体介绍
  8. 大数据平台组件布置 与 进程查看
  9. Spark:windows下配置spark开发环境
  10. 有观赏性的c语言程序,设计一个C语言程序,对以孩子链表表示的树计算该树的深度- 一起装修网...
  11. 杭电2103---Family planning
  12. 瞬时电压示波器matlab,示波器测量瞬时电压的方法与步骤
  13. word自动生成目录如何从正文第一页开始
  14. ftp文件服务器怎么迁移,ftp文件服务器迁移
  15. 小包实用工具:国家代码大全
  16. #import msxml3.dll 导致 LNK1123: 转换到 COFF 期间失败: 文件无效或损坏
  17. 电商商品3d展示---插件spritespin
  18. 【视频课】行为识别课程更新!CNN+LSTM理论与实践!
  19. 网卡介绍——MAC与PHY的关系分析
  20. 【智能驾驶】领域常见专业名称英文缩写

热门文章

  1. wpf listview mysql_Kivy:使用MySQL的Kivy页面的Listview实现
  2. html中多边形图形怎么制作,CSS制作图形速查表
  3. rabbitmq几种工作模式_RabbitMQ的六种工作模式总结
  4. android 刷机 备份,安卓刷机后如何还原以前ROM和系统备份
  5. 每日一皮:996标配工位原来是这样的!
  6. 让 Linux 防火墙新秀 nftables 为你的 VPS 保驾护航
  7. Spring Cloud Alibaba基础教程:Sentinel使用Nacos存储规则
  8. Log4j2的性能为什么这么好?
  9. Spring Boot 2.0正式发布,升还是不升呢?
  10. cocostuff10k数据集介绍_COCO数据集整理