Image Thresholding图像阙值化和Adaptive Thresholding
要用到的函数是cv2.threshold（）
这个参数的形式是cv.Threshold(src, dst, threshold, maxValue, thresholdType)
| Parameters: |
|
|---|
一开始没明白thresh和maxval的区别，后来问了同学知道了，maxval就是指超过阙值的部分取maxval这个值
五种不同的type出现的效果图不一样，参考如下
tip:在官网tutorial中是for i in xrange(6),在Python3中 range和xrange已经合并成了range 。
matplotlib的一个函数plt.subplot（）,可以绘制多个子图，第一个参数是行数，第二个参数是列数，第三个参数表示图形的标号。
贴上代码
import cv2
import numpy as np
from matplotlib import pyplot as pltimg = cv2.imread('gradient.png',0)
ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [img, 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()Adaptive Thresholding
函数形式：cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst])
| Parameters: |
|
|---|
为什么每次dst这个参数都被省略了。。。
贴上代码
import cv2
import numpy as np
from matplotlib import pyplot as pltimg = cv2.imread('dave.jpg',0)
img = cv2.medianBlur(img,5)ret,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\cv2.THRESH_BINARY,11,2)
th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\cv2.THRESH_BINARY,11,2)titles = ['Original Image', 'Global Thresholding (v = 127)','Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding']
images = [img, th1, th2, th3]for i in xrange(4):plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')plt.title(titles[i])plt.xticks([]),plt.yticks([])
plt.show()效果图
Image Thresholding图像阙值化和Adaptive Thresholding相关推荐
- 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
- C#，图像二值化（22）——局部阈值的伯恩森算法（Bernsen Thresholding）及源程序
1.局部阈值的伯恩森算法(Bernsen Thresholding) Bernsen方法是为图像分割开发的局部自适应二值化方法之一.在这项研究中,实现了Bernsen的局部自适应二值化方法,并对不同灰 ...
- C#，图像二值化（21）——局部阈值的韦尔纳算法（Wellner Thresholding）及源代码
1 韦尔纳算法(Wellner Throsholding) 摘要 针对计算大量缺陷时速度较慢且图像阈值不平滑的Wellner算法,本文提出了两种改进方案,第一种是一维平滑算法(ODSA),第二种是基于 ...
- C#，图像二值化（16）——全局阈值的力矩保持算法（Moment-proserving Thresholding）及其源代码
1.力矩保持法 提出了一种基于矩保持原理的自动阈值选择方法.以这样的方式确定地计算阈值,即在输出画面中保留输入画面的时刻.实验结果表明,该方法可以将给定的图像阈值化为有意义的灰度级.该方法描述了全局阈 ...
- C#，图像二值化（05）——全局阈值的联高自适应算法（Legal Self-Adaptive Thresholding）及其源代码
阈值的选择当然希望智能.简单一些.应该能应付一般的图片. What is Binarization? Binarization is the process of transforming data ...
- C#，图像二值化（18）——全局阈值的模糊集理论算法（Huang Thresholding）与源程序
1 模糊集理论 模糊集理论,也称为模糊集合论,或简单地称为模糊集,1965年美国学者扎德在数学上创立了一种描述模糊现象的方法-模糊集合论.这种方法把待考察的对象及反映它的模糊概念作为一定的模糊集合,建 ...
- C#，图像二值化（06）——全局阈值的大津算法（OTSU Thresholding）及其源代码
1.大津算法OTSU ALGORITHM OTSU算法效果很一般. 最大类间方差法是1979年由日本学者大津(Nobuyuki Otsu)提出的,是一种自适应阈值确定的方法,又叫大津法,简称OTSU, ...
- C#，图像二值化（04）——全局阈值的凯勒算法（Kittler Thresholding）及源程序
1.Kittler算法(最小误差法)概述 最小误差法是 J. Kittler & J. Illingworth 1986年在<MINIMUM ERROR THRESHOLDING> ...
- C#，图像二值化（13）——全局阈值的双峰平均值算法（Bimodal Thresholding）与源程序
1.图像二值化概述 图像二值化是将彩色图像转换为黑白图像.大多数计算机视觉应用程序将图片转换为二进制表示.图像越是未经处理,计算机就越容易解释其基本特征. 二值化过程 在计算机存储器中,所有文件通常以 ...
最新文章
- 点云配准求物体的6D姿态（转）
- python毕业设计开题报告-基于Python图书管理系统开题报告
- C# Enum,Int,String的互相转换 枚举转换
- 网络爬虫--之爬起校招信息代码
- IIS 6.0支持.SHTML
- python线性加权模型_局部加权之线性回归(1) - Python实现
- 使用ORM提取数据很容易！ 是吗？
- MySQL中union和order by一起使用的方法
- bootstrap table 的简单Demo
- 我们应该改变Linux的二十四件事
- Flink on Zeppelin (3) - Streaming 篇
- 精美js聊天窗口界面代码
- JavaScript学习之初识JS
- 世界首例AI同性婚姻惊呆众人 | Siri和Alexa结婚了
- API接口调用并处理返回的json数据
- python选股软件编写
- Tortoise 账号和密码设置
- OnTime pro for mac(多功能时钟工具)
- 你想成为什么样的人取决于你付出了多少？
- 【国内动态】服务器列表