Python+OpenCV怎么实现阈值分割

这篇文章主要介绍“Python+OpenCV怎么实现阈值分割”，在日常操作中，相信很多人在Python+OpenCV怎么实现阈值分割问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Python+OpenCV怎么实现阈值分割”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

一、全局阈值

原图：

整幅图采用一个阈值，与图片的每一个像素灰度进行比较，重新赋值；

1.效果图

2.源码

import cv2import matplotlib.pyplot as plt#设定阈值thresh=130#载入原图，并转化为灰度图像img_original=cv2.imread(r'E:\py\python3.7\test2\test14yuzhi\cell.png',0)img_original=cv2.resize(img_original,(0,0),fx=0.3,fy=0.3)#采用5种阈值类型（thresholding type）分割图像retval1,img_binary=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY)retval2,img_binary_invertion=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY_INV)retval3,img_trunc=cv2.threshold(img_original,thresh,255,cv2.THRESH_TRUNC)retval4,img_tozero=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO)retval5,img_tozero_inversion=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO_INV)#采用plt.imshow()显示图像imgs=[img_original,img_binary,img_binary_invertion,img_trunc,img_tozero,img_tozero_inversion]titles=['original','binary','binary_inv','trunc','tozero','tozero_inv']for i in range(6):    plt.subplot(2,3,i+1)    plt.imshow(imgs[i],'gray')    plt.title(titles[i])    plt.xticks([])    plt.yticks([])plt.show()

二、滑动改变阈值(滑动条)

1.效果图

2.源码

代码如下（示例）：

import cv2import numpy as npimport matplotlib.pyplot as plt#载入原图，转化为灰度图像,并通过cv2.resize()等比调整图像大小img_original=cv2.imread(r'E:\py\python3.7\test2\test14yuzhi\cell.png',0)img_original=cv2.resize(img_original,(0,0),fx=0.3,fy=0.3)#初始化阈值，定义全局变量imgsthresh=130imgs=0#创建滑动条回调函数，参数thresh为滑动条对应位置的数值def threshold_segmentation(thresh):    #采用5种阈值类型（thresholding type）分割图像    retval1,img_binary=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY)    retval2,img_binary_invertion=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY_INV)    retval3,img_trunc=cv2.threshold(img_original,thresh,255,cv2.THRESH_TRUNC)    retval4,img_tozero=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO)    retval5,img_tozero_inversion=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO_INV)    #由于cv2.imshow()显示的是多维数组（ndarray）,因此我们通过np.hstack(数组水平拼接)    #和np.vstack(竖直拼接)拼接数组，达到同时显示多幅图的目的    img1=np.hstack([img_original,img_binary,img_binary_invertion])    img2=np.hstack([img_trunc,img_tozero,img_tozero_inversion])    global imgs    imgs=np.vstack([img1,img2])#新建窗口cv2.namedWindow('Images')#新建滑动条，初始位置为130cv2.createTrackbar('threshold value','Images',130,255,threshold_segmentation)#第一次调用函数threshold_segmentation(thresh)#显示图像while(1):    cv2.imshow('Images',imgs)    if cv2.waitKey(1)==ord('q'):        breakcv2.destroyAllWindows()

三、自适应阈值分割

1.效果图

2.源码

代码如下（示例）：

import cv2import matplotlib.pyplot as plt#载入原图img_original=cv2.imread(r'E:\py\python3.7\test2\test14yuzhi\cell.png',0)#全局阈值分割retval,img_global=cv2.threshold(img_original,130,255,cv2.THRESH_BINARY)#自适应阈值分割img_ada_mean=cv2.adaptiveThreshold(img_original,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,15,3)img_ada_gaussian=cv2.adaptiveThreshold(img_original,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,15,3)imgs=[img_original,img_global,img_ada_mean,img_ada_gaussian]titles=['Original Image','Global Thresholding(130)','Adaptive Mean','Adaptive Guassian',]#显示图片for i in range(4):    plt.subplot(2,2,i+1)    plt.imshow(imgs[i],'gray')    plt.title(titles[i])    plt.xticks([])    plt.yticks([])plt.show()

3.GaussianBlur()函数去噪

代码如下（示例）：

import cv2import matplotlib.pyplot as plt#载入原图img_original=cv2.imread(r'E:\py\python3.7\test2\test14yuzhi\cell.png',0)#高斯滤波img_blur=cv2.GaussianBlur(img_original,(13,13),13)  #根据情况修改参数#自适应阈值分割img_thresh=cv2.adaptiveThreshold(img_original,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,15,3)img_thresh_blur=cv2.adaptiveThreshold(img_blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,15,3)#显示图像imgs=[img_thresh,img_thresh_blur]titles=['img_thresh','img_thresh_blur']for i in range(2):    plt.subplot(1,2,i+1)    plt.imshow(imgs[i],'gray')    plt.title(titles[i])    plt.xticks([])    plt.yticks([])plt.show()

四、参数解释

cv2.threshold(class="lazy" data-src, thresh, maxval, type)

参数：

class="lazy" data-src:输入的图像

thresh:图像分割所用的阈值（threshold value）

maxval:当阈值类型（thresholding type）采用cv2.THRESH_BINARY和cv2.THRESH_BINARY_INV时像素点被赋予的新值

type:介绍6种类型：

cv2.THRESH_BINARY（当图像某点像素值大于thresh(阈值)时赋予maxval，反之为0。注：最常用）

cv2.THRESH_BINARY_INV（当图像某点像素值小于thresh时赋予maxval，反之为0）

cv2.THRESH_TRUNC（当图像某点像素值大于thresh时赋予thresh,反之不变。注：虽然maxval没用了，但是调用函数不能省略）

cv2.THRESH_TOZERO（当图像某点像素值小于thresh时赋予0，反之不变。注：同上）

cv2.THRESH_TOZERO_INV（当图像某点像素值大于thresh时赋予0，反之不变。注：同上）

cv2.THRESH_OTSU（该方法自动寻找最优阈值，并返回给retval,见下文）

返回值：

retval:设定的thresh值，或者是通过cv2.THRESH_OTSU算出的最优阈值

dst:阈值分割后的图像

到此，关于“Python+OpenCV怎么实现阈值分割”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注编程网网站，小编会继续努力为大家带来更多实用的文章！