第六章 阈值处理
阈值处理是指剔除图像内像素值高于或者低于一定值的像素点
函数cv2,threshold()和cv2.adaptiveThreshold()用于实现阈值处理
6.1 threshold函数
retval,dst=cv2.threshold (src,thresh,maxval,type)
retval：返回的阈值
dst： 阈值分割结果图像，与原图像大小类型相同
src： 要进行阈值分割的图像
thresh： 要设定的阈值
maxval：当type参数为THRESH_BINARY或者THRESH_BINARY_INV类型时，需要设定的最大值
type： 代表阈值分割的类型
6.1.1 二值化阈值处理（cv2.THRESH_BINARY）
二值化阈值处理是指将原始图像处理为仅有两个值的二值图像
对于灰度值大于阈值thresh的像素点，将其灰度值设定为最大值。
对于灰度值小于或等于阈值thresh的像素点，将其灰度值设定为0。
示例：
import cv2
img=cv2.imread ("lena.png")
t,rst=cv2.threshold ( img,127,255,cv2.THRESH_BINARY)
cv2.imshow ("img",img)
cv2.imshow ( "rst",rst)
cv2.waitKey ()
cv2.destroyAllWindows ()
结果：
6.1.2 反二值化阈值处理结果（THRESH_BINARY_INV）
对于灰度值大于阈值的像素点，将其值设定为0。
对于灰度值小于或等于阈值的像素点，将其值设定为255。
示例：
import cv2
img=cv2.imread ( "lena.png")
t,rst=cv2.threshold (img,127,255,cv2.THRESH_BINARY_INV)
cv2.imshow ("img",img)
cv2.imshow ("rst",rst)
cv2.waitKey ()
cv2.destroyAllWindows ()
结果：
6.1.3 截断阈值化处理（cv2.THRESH_TRUNC）
将图像中大于阈值的像素点的值设定为阈值，小于或等于该阈值的像素点保持不变
示例：
import cv2
img=cv2.imread ( "lena.png")
t,rst=cv2.threshold (img,127,255,cv2.THRESH_TRUNC)
cv2.imshow ("img",img)
cv2.imshow ("rst",rst)
cv2.waitKey ()
cv2.destroyAllWindows ()
结果：
6.1.4 超阈值处理（cv2.THRESH_TOZERO_INV）
将图像大于阈值的像素点设置为0，小于或等于该阈值的像素点的值保持不变。
示例：
import cv2
img=cv2.imread ( "lena.png")
t,rst=cv2.threshold (img,127,255,cv2.THRESH_TOZERO_INV)
cv2.imshow ("img",img)
cv2.imshow ("rst",rst)
cv2.waitKey ()
cv2.destroyAllWindows ()
结果：
6.1.5 低阈值处理（cv2.THRESH_TOZERO）
将小于或等于阈值的像素点的值处理为0，大于阈值的像素点的值保持不变。
import cv2
img=cv2.imread ( "lena.png")
t,rst=cv2.threshold (img,127,255,cv2.THRESH_TOZERO)
cv2.imshow ("img",img)
cv2.imshow ("rst",rst)
cv2.waitKey ()
cv2.destroyAllWindows ()
结果：
6.2 自适应阈值处理
使用变换的阈值完成对图像的阈值处理，称作自适应阈值处理。
通过计算每个像素点周围临近区域的加权平均值获得阈值，使用该阈值对当前的像素点进行处理。适用于处理明暗差异大的图像。
dst=cv.adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C)
dst： 自适应阈值处理结果。
src：原始图像。该图像必须是8位单通道的图像。
maxValue： 最大值。
adaptiveMethod： 自适应方法。
thresholdType： 阈值处理方式，该值必须是cv2.THRESH_BINARY 或者cv2.THRESH_BINARY_INV中的一个。
blockSize： 块大小。表示一个像素在计算其阈值时所使用的邻域尺寸，通常为3。
C是常量
cv.ADAPTIVE_THRESH_MEAN_C: 邻域所有像素点的权重值是一致的
cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 与邻域各个像素点到中心点的距离有关，高斯方程得到各个点的权重值。
示例：
import cv2
img=cv2.imread ( "computer.png",0) #将图像调整为单通道的灰度图像
t1,thd=cv2.threshold (img,127,255,cv2.THRESH_BINARY)
athdMEAN=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,5,3) #采用方法ADAPTIVE_THRESH_MEAN_C
athdGAUS=cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)
cv2.imshow ("img",img)
cv2.imshow ("thd",thd)
cv2.imshow ("athdMEAN",athdMEAN)
cv2.imshow ("athdGAUS",athdGAUS)
cv2.waitKey ()
cv2.destroyAllWindows ()
结果：
6.3 Otsu处理
使用函数cv2.threshold()函数进行阈值处理，需要自定义一个阈值，以此作为图像阈值处理的依据。用于处理色彩均匀的图像，阈值通常为127。
otsu方法会历遍所有可能阈值，找到最佳值。
t,otsu=cv2.threshold (img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
对参数type增加参数cv2.THRESH_OTSU，要把阈值设为0，返回值是阈值的最优值。
示例：对一幅图像tiffany进行127的阈值处理和otsu方法的阈值处理，对比
import cv2
img=cv2.imread ("tiffany.png",0)
t1,thd=cv2.threshold ( img,127,255,cv2.THRESH_BINARY)
t2,otsu=cv2.threshold ( img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
cv2.imshow ("img", img)
cv2.imshow ("thd",thd )
cv2.imshow ( "otus",otsu)
cv2.waitKey ()
cv2.destroyAllWindows ()
结果：
