OpenCV threshold函数详解
2024-04-06 13:06:30
threshold函数作用：
去掉噪，例如过滤很小或很大像素值的图像点。
threshold函数python版原型：
retval, dst = cv.threshold( src, thresh, maxval, type[, dst] ) 参数说明：
src：原图像。
dst：结果图像。
thresh：当前阈值。
maxVal：最大阈值，一般为255.
thresholdType:阈值类型，主要有下面几种：
enum ThresholdTypes {THRESH_BINARY = 0,THRESH_BINARY_INV = 1,THRESH_TRUNC = 2,THRESH_TOZERO = 3,THRESH_TOZERO_INV = 4,THRESH_MASK = 7,THRESH_OTSU = 8,THRESH_TRIANGLE = 16
};
返回值:
retval： 与参数thresh一致
dst： 结果图像
| 编号 | 阈值类型枚举 |
注意
|
| 1 | THRESH_BINARY | |
| 2 | THRESH_BINARY_INV | |
| 3 | THRESH_TRUNC | |
| 4 | THRESH_TOZERO | |
| 5 | THRESH_TOZERO_INV | |
| 6 | THRESH_MASK |
不支持
|
| 7 | THRESH_OTSU |
不支持32位
|
| 8 | THRESH_TRIANGLE |
不支持32位
|
具体说明如下：
注意：
THRESH_OTSU和THRESH_TRIANGLE是作为优化算法配合THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO以及THRESH_TOZERO_INV来使用的。
当使用了THRESH_OTSU和THRESH_TRIANGLE两个标志时，输入图像必须为单通道。
生成关系：
下面通过代码来验证一下threshold的用法：
import numpy as np
import cv2
#创建一个6x6的BGR三通道图片
img6x6 = np.zeros((6,6,3), dtype=np.uint8)
#Blue通道取值0~99随机值
img6x6[:,:,0] = np.random.randint(0, 100, size=36).reshape(6,6)
#Green通道取值100~199随机值
img6x6[:,:,1] = np.random.randint(100, 200, size=36).reshape(6,6)
#Red通道取值200~255随机值
img6x6[:,:,2] = np.random.randint(200, 256, size=36).reshape(6,6)
print(img6x6)得到img6x6的BGR三通道数据：
[[[ 62 171 226][ 29 118 212][ 61 151 200][ 43 123 206][ 58 146 232][ 2 124 246]][[ 48 101 207][ 32 194 228][ 90 171 241][ 36 152 244][ 64 169 245][ 71 106 202]][[ 27 198 206][ 39 193 213][ 60 128 207][ 53 134 248][ 25 187 229][ 72 116 229]][[ 52 163 201][ 39 189 251][ 63 190 217][ 73 139 212][ 54 166 236][ 43 191 200]][[ 34 119 207][ 36 110 209][ 40 191 229][ 60 100 228][ 62 174 250][ 41 115 209]][[ 35 165 246][ 50 182 218][ 77 110 239][ 44 106 245][ 21 189 252][ 64 144 241]]]观察结果我们发现img6x6[2][2][1]=128，我们取该值作为thresh值来演示THRESH_BINARY、THRESH_BINARY_INV等的作用。
1) THRESH_BINARY
我们取参数值thresh=128，maxval=255，flag = THRESH_BINARY
cv2.threshold(img6x6, 128, 255, cv2.THRESH_BINARY)根据前面对THRESH_BINARY flag值的解释：
预期得到的结果中，img6x6中>128的值均应变为255，<=128的值均应变为0。
我们实际得到的结果为：
[[[ 0 255 255][ 0 0 255][ 0 255 255][ 0 0 255][ 0 255 255][ 0 0 255]][[ 0 0 255][ 0 255 255][ 0 255 255][ 0 255 255][ 0 255 255][ 0 0 255]][[ 0 255 255][ 0 255 255][ 0 0 255][ 0 255 255][ 0 255 255][ 0 0 255]][[ 0 255 255][ 0 255 255][ 0 255 255][ 0 255 255][ 0 255 255][ 0 255 255]][[ 0 0 255][ 0 0 255][ 0 255 255][ 0 0 255][ 0 255 255][ 0 0 255]][[ 0 255 255][ 0 255 255][ 0 0 255][ 0 0 255][ 0 255 255][ 0 255 255]]]与预期的结果一致。
2）THRESH_BINARY_INV
THRESH_BINARY_INV的作用与THRESH_BINARY相反，大于thresh的值置0，小于等于thresh的值置maxval:
预期的结果与1）的结果完全相反。
code:
ret,dst=cv2.threshold(img6x6, 128, 255, cv2.THRESH_BINARY_INV)
print(dst)dst输出：
[[[255 0 0][255 255 0][255 0 0][255 255 0][255 0 0][255 255 0]][[255 255 0][255 0 0][255 0 0][255 0 0][255 0 0][255 255 0]][[255 0 0][255 0 0][255 255 0][255 0 0][255 0 0][255 255 0]][[255 0 0][255 0 0][255 0 0][255 0 0][255 0 0][255 0 0]][[255 255 0][255 255 0][255 0 0][255 255 0][255 0 0][255 255 0]][[255 0 0][255 0 0][255 255 0][255 255 0][255 0 0][255 0 0]]]
与预期结果完全一致。
3）THRESH_TRUNC
THRESH_TRUNC的作用是对大于thresh的值进行截断，其余值保留原值。
code:
ret,dst=cv2.threshold(img6x6, 128, 255, cv2.THRESH_TRUNC)
print(dst)dst输出：
[[[ 62 128 128][ 29 118 128][ 61 128 128][ 43 123 128][ 58 128 128][ 2 124 128]][[ 48 101 128][ 32 128 128][ 90 128 128][ 36 128 128][ 64 128 128][ 71 106 128]][[ 27 128 128][ 39 128 128][ 60 128 128][ 53 128 128][ 25 128 128][ 72 116 128]][[ 52 128 128][ 39 128 128][ 63 128 128][ 73 128 128][ 54 128 128][ 43 128 128]][[ 34 119 128][ 36 110 128][ 40 128 128][ 60 100 128][ 62 128 128][ 41 115 128]][[ 35 128 128][ 50 128 128][ 77 110 128][ 44 106 128][ 21 128 128][ 64 128 128]]]4） THRESH_TOZERO
THRESH_TOZERO的作用是对大于thresh的值进行保留原值，小于或等于thresh的值置0：
code:
ret, dst=cv2.threshold(img6x6, 128, 255, cv2.THRESH_TOZERO)
print(dst)dst输出：
[[[ 0 171 226][ 0 0 212][ 0 151 200][ 0 0 206][ 0 146 232][ 0 0 246]][[ 0 0 207][ 0 194 228][ 0 171 241][ 0 152 244][ 0 169 245][ 0 0 202]][[ 0 198 206][ 0 193 213][ 0 0 207][ 0 134 248][ 0 187 229][ 0 0 229]][[ 0 163 201][ 0 189 251][ 0 190 217][ 0 139 212][ 0 166 236][ 0 191 200]][[ 0 0 207][ 0 0 209][ 0 191 229][ 0 0 228][ 0 174 250][ 0 0 209]][[ 0 165 246][ 0 182 218][ 0 0 239][ 0 0 245][ 0 189 252][ 0 144 241]]]
5) THRESH_TOZERO_INV
THRESH_TOZERO_INV的作用与THRESH_TOZERO的作用完全相反，对大于thresh的值置0，其余值则保留：
code:
ret, dst=cv2.threshold(img6x6, 131, 255, cv2.THRESH_TOZERO_INV)
print(dst)dst输出：
[[[ 62 0 0][ 29 118 0][ 61 0 0][ 43 123 0][ 58 0 0][ 2 124 0]][[ 48 101 0][ 32 0 0][ 90 0 0][ 36 0 0][ 64 0 0][ 71 106 0]][[ 27 0 0][ 39 0 0][ 60 128 0][ 53 0 0][ 25 0 0][ 72 116 0]][[ 52 0 0][ 39 0 0][ 63 0 0][ 73 0 0][ 54 0 0][ 43 0 0]][[ 34 119 0][ 36 110 0][ 40 0 0][ 60 100 0][ 62 0 0][ 41 115 0]][[ 35 0 0][ 50 0 0][ 77 110 0][ 44 106 0][ 21 0 0][ 64 0 0]]]
6）THRESH_OTSU
THRESH_OTSU是需要搭配THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO以及THRESH_TOZERO_INV来使用的。并且输入图像必须是灰度图像。
所以，我们首先需要创建一个灰度图像：
code:
img_gray = cv2.cvtColor(img6x6,cv2.COLOR_BGR2GRAY)
print(img_gray)得到的img_gray为：
[[175 0 0 0 162 0][ 0 186 183 166 180 0][181 181 0 159 181 0][162 190 184 0 174 177][ 0 0 185 0 184 0][174 178 0 0 189 164]]然后在通过THRESH_OTSU标准搭配其他标志位来对输入图像做处理，这里只演示搭配THRESH_BINARY标志的用法，
code:
ret,dst=cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO|cv2.THRESH_OTSU)
print(dst)dst输出：
[[175 0 0 0 162 0][ 0 186 183 166 180 0][181 181 0 159 181 0][162 190 184 0 174 177][ 0 0 185 0 184 0][174 178 0 0 189 164]]对比一下不使用THRESH_OTSU时的输出，
code:
ret,dst=cv2.threshold(img_gray, 166, 255, cv2.THRESH_TOZERO)
print(dst)dst输出:
[[175 0 0 0 0 0][ 0 186 183 0 180 0][181 181 0 0 181 0][ 0 190 184 0 174 177][ 0 0 185 0 184 0][174 178 0 0 189 0]]7) THRESH_TRIANGLE
THRESH_TRIANGLE用法与THRESH_OTSU用法一致，这里不做演示。
综合示例
Demo Code
#encoding=utf-8import sys, cv2, numpy as np
from ui_thresholdDemo import Ui_ThresoldDemo
from PyQt5.QtWidgets import QApplication, QWidget, QFileDialog
from PyQt5.QtGui import QImage, QPixmapclass ThresholdDemo(QWidget, Ui_ThresoldDemo):def __init__(self):super().__init__()self.setupUi(self)self.setupSigSlots()self.param_threshold = 1self.param_maxVal = 255self.param_thresholdType = cv2.THRESH_BINARYself.param_ExtendType = 0self.checkGray = Falsedef setupSigSlots(self):self.btnBrowse.clicked.connect(self.slotBtnBrowse)self.parmThreshold.valueChanged.connect(self.slotThresholdChanged)self.paramMaxVal.valueChanged.connect(self.slotMaxValChanged)self.parmThresholdType.currentTextChanged[str].connect(self.slotThresholdTypeChanged)self.btnCheckGray.toggled.connect(self.slotCheckGray)self.parmThresholdType2.currentTextChanged[str].connect(self.slotThresholdType2Changed)def slotBtnBrowse(self):try:file, _ = QFileDialog.getOpenFileName(self, 'Open Image', 'D:\\tmp\\pics', '*.*', '*.*',)if file:self.imagePath.setText(file)img_init = cv2.imdecode(np.fromfile(file, dtype=np.uint8), -1)self.img_threshold = img_init.copy()cv2.cvtColor(img_init, cv2.COLOR_BGR2RGB, img_init)h,w,c = img_init.shapeqImg = QImage(img_init, w, h, w*c, QImage.Format_RGB888)self.initPicFrame.setPixmap(QPixmap.fromImage(qImg))self.updateThresholdImage()except Exception as e:print(e)def updateThresholdImage(self):try:img = self.img_threshold.copy()if self.checkGray:img_gray = np.zeros((img.shape[0], img.shape[1]), dtype=np.uint8)cv2.cvtColor(img, cv2.COLOR_BGR2GRAY, img_gray)ret, img_threshold = cv2.threshold(img_gray, self.param_threshold, self.param_maxVal, self.param_thresholdType|self.param_ExtendType)print('thresh:{}, maxval:{}, flags:{}|{}'.format(self.param_threshold, self.param_maxVal, self.param_thresholdType, self.param_ExtendType))h,w = img_threshold.shapeqImg = QImage(img_threshold, w, h, w, QImage.Format_Indexed8)self.thresholdPicFrame.setPixmap(QPixmap.fromImage(qImg))else:ret, img_threshold = cv2.threshold(img, self.param_threshold, self.param_maxVal, self.param_thresholdType)#ret: ret equals to self.param_threshold, it canbe ignoredh,w,c = img_threshold.shapecv2.cvtColor(img_threshold, cv2.COLOR_BGR2RGB, img_threshold)qImg = QImage(img_threshold, w, h, w*c, QImage.Format_RGB888)self.thresholdPicFrame.setPixmap(QPixmap.fromImage(qImg))except Exception as e:print(e)def slotThresholdChanged(self, val):self.param_threshold = valself.labelThreshold.setText('threshold:{:>3}'.format(val))self.updateThresholdImage()def slotMaxValChanged(self, val):self.param_maxVal = valself.labelMaxVal.setText(' maxValue:{:>3}'.format(val))self.updateThresholdImage()def slotThresholdTypeChanged(self, type):type_dic = {'THRESH_BINARY': cv2.THRESH_BINARY,'THRESH_BINARY_INV': cv2.THRESH_BINARY_INV,'THRESH_TRUNC': cv2.THRESH_TRUNC,'THRESH_TOZERO': cv2.THRESH_TOZERO,'THRESH_TOZERO_INV': cv2.THRESH_TOZERO_INV,#'THRESH_MASK': cv2.THRESH_MASK,#'THRESH_OTSU': cv2.THRESH_OTSU,#'THRESH_TRIANGLE': cv2.THRESH_TRIANGLE,}self.param_thresholdType = type_dic[type]#print(type,self.param_thresholdType )self.updateThresholdImage()def slotThresholdType2Changed(self, type):try:extend_type = {"THRESH_OTSU":cv2.THRESH_OTSU,"THRESH_TRIANGLE":cv2.THRESH_TRIANGLE}if type == 'NONE':self.param_ExtendType = 0self.checkGray = Falseself.btnCheckGray.setEnabled(True)else:self.param_ExtendType = extend_type[type]self.checkGray = Trueself.btnCheckGray.setEnabled(False)print('self.param_ExtendType: ', self.param_ExtendType)self.updateThresholdImage()except Exception as e:print(e)def slotCheckGray(self, bGray):self.checkGray = bGrayself.updateThresholdImage()def thresholdDemo():img6x6 = np.zeros((6,6,3), dtype=np.uint8)img6x6[:,:,0] = np.random.randint(0, 100, size=36).reshape(6,6)img6x6[:,:,1] = np.random.randint(100, 200, size=36).reshape(6,6)img6x6[:,:,2] = np.random.randint(200, 256, size=36).reshape(6,6)cv2.threshold(img6x6, 127, 255, cv2.THRESH_BINARY)if __name__ == '__main__':qApp = QApplication(sys.argv)demo = ThresholdDemo()demo.show()qApp.exec_()程序运行结果：
完整Code下载，请点这里
OpenCV threshold函数详解相关推荐
- opencv imshow函数详解
前言 使用opencv对图像进行处理之后,通常调用imshow函数来显示处理结果.但是,我们经常会发现显示结果和我们预期的结果有些差别.这是由于opencv经常会涉及到对多种图像数据类型的处理,如果我 ...
- 计算机视觉开源库OpenCV之threshold()函数详解
cv2.threshold()函数作用:去掉噪,例如过滤很小或很大像素值的图像点. cv2.threshold()函数python版原型: retval, dst = cv.threshold(src ...
- opencv 二值化 python_opencv-python图像二值化函数cv2.threshold函数详解及参数cv2.THRESH_OTSU使用...
cv2.threshold()函数的作用是将一幅灰度图二值化,基本用法如下: #ret:暂时就认为是设定的thresh阈值,mask:二值化的图像 ret,mask = cv2.threshold(i ...
- opencv 二值化 matlab,opencv-python图像二值化函数cv2.threshold函数详解及参数cv2.THRESH...
cv2.threshold()函数的作用是将一幅灰度图二值化,基本用法如下: #ret:暂时就认为是设定的thresh阈值,mask:二值化的图像 ret,mask = cv2.threshold(i ...
- opencv reshape函数详解
在opencv中,reshape函数比较有意思,它既可以改变矩阵的通道数,又可以对矩阵元素进行序列化,非常有用的一个函数. 函数原型: C++: Mat Mat::reshape(int cn, in ...
- opencv warpAffine()函数详解 -- 图像旋转与平移
简述 仿射变换是二维坐标间的线性变换,故而变换后的图像仍然具有原图的一些性质,包括"平直性"以及"平行性",常用于图像翻转(Flip).旋转(Rotations ...
- Opencv imshow 函数详解
官方文档:imshow.namedWindow等 本来想看看imshow的窗口是否可以隐藏菜单栏,看完官方文档感觉是不可以了. imshow imshow的输入参数如下: void cv::imsho ...
- 图像处理笔记（2）---- OpenCV imread函数详解
imread()读取图片文件,imread函数有两个参数,第一个参数是图片路径,第二个参数表示读取图片的形式,有三种: cv2.IMREAD_COLOR:加载彩色图片,这个是默认参数,可以直接写1. ...
- OpenCV 图像卷积：cv.filter2D() 函数详解
API 照例,我们搬一下官网的 API: C++ void cv::filter2D(InputArray src,OutputArray dst,int ddepth,InputArray kern ...
- Opencv中的imshow函数详解
前言 使用opencv对图像进行处理之后,通常调用imshow函数来显示处理结果.但是,我们经常会发现显示结果和我们预期的结果有些差别.这是由于opencv经常会涉及到对多种图像数据类型的处理,如果我 ...
最新文章
- 多级反馈队列列算法的定义
- Debian 下通过Bonding 实现双网卡单IP
- python网上课程-python完整课程
- Intellij idea添加单元测试工具
- unity text不能刷新_unity自走棋制作(二)-UI制作
- 湖畔大学官微改名为“湖畔创研中心”
- 解除劳动关系后，职工医保怎么续缴？
- 恢复出厂设置后itms注册失败_手机恢复出厂设置后，与新手机的区别已被确认，望大家相互转告！...
- Java中的Arrays类使用详解
- Ubuntu双网卡绑定
- php led显示屏控制软件下载,中航led控制软件
- 工商银行网银支付问题 有网站想要安装以下加载项 来自Industrial and Commercial Bank of China Limited‘ 第三方支付机构上送网联跳转报文请求参数错误
- java代码压缩文件
- 电脑开的热定手机连不上解决方法
- python安装失败未指定_win7 64 位安装 python，提示： 0x80240017-未指定的错误
- 谷歌浏览器选择已保存的账号密码,输入框变色
- 目录 - 《ARM嵌入式Linux系统开发从入门到精通》 - 免费试读 - book.csdn.net
- boss直聘python_python分析BOSS直聘的某个招聘岗位数据
- hive插入多条数据sql_30分钟入门 Hive SQL（HQL 入门篇）
- ios 穿山甲广告联盟集成_今日头条发布穿山甲联盟 如何实现广告联盟模式进阶？...
热门文章
- JavaScript - 360浏览器默认使用极速模式打开网页
- 微信小程序跳一跳的游戏辅助实现
- 绿盟 java 面试_绿盟科技校园招聘面试经验|面试问题（共52条）- 职业圈
- udp buffer 和reassemble buffer
- win7局域网共享设置_win7系统打印机共享设置(详细图文步骤)
- 计算机毕业设计——简单的网页设计
- 图像取证:源识别和伪造检测(Image Forensics: source identification and tampering detection) 续2
- Slat撒盐加密原理
- RAID技术全解图解-RAID0、RAID1、RAID5、RAID100
- 24种常见的逻辑关系谬误