本文先了解一個簡單閾值函數，以了解一個閾值算法的具體參數。
然后比較不同閾值函數的區別。
同樣的，先用一副圖說明本文重要大綱：
#! usr/bin/env python
# coding: utf-8
import cv2
img = cv2.imread('cat.jpg')
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 先將圖像矩陣進行二值化
# img = cv2.imread('cat.jpg'，0)
# 也可以直接將圖像用灰度值讀入，其中0就表示用灰度讀圖
cv2.imshow('img',img)
_,img1 = cv2.threshold(img,100,250,cv2.THRESH_BINARY)
# 這個函數返回兩個值，第二個值才是二值化后的圖像矩陣
# 最后一個參數表示一種二值化算法
# 閾值設置為100,
# 250表示大于100的像素值會被重新賦值為250
cv2.imshow('img',img1)
# cv2.waitKey()
cv2.destroyAllWindows()
############ 以下比較不同簡單二值化算法的區別
# 先進行不同算法的二值化
ret,img1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
# 從名字可以看出一點來，binary是二元的意思，這里指要么0，要么指定的一個值（255）
print(ret)
ret,img2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
# 注意到INV表示逆，全寫是inverse
ret,img3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
# 注意到truncate表示截斷的意思。這個函數不再是二元，而是對超過某個值的部分進行處理，否則并不會處理。
ret,img4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
# 實際上，這也是一種階段，對大于某一個值的像素值進行調整，與trunc不同的是，這里變為0，而不是最大值
ret,img5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)
import numpy as np
import matplotlib.pyplot as plt
#用這個模塊來畫圖顯示，這個庫和opencv有些不同，可參考前面的博客
# https://blog.csdn.net/qq_27261889/article/details/80543966
# 先定義以下圖的圖題和圖像矩陣
titles = ['original','binary','binary_inv','trunc','tozero','tozero_inv']
imgs = [img,img1,img2,img3,img4,img5]
for i in range(6):
plt.subplot(2,3,i+1)#分別畫出每一個圖
plt.imshow(imgs[i],'gray')
plt.title(titles[i])#寫出圖題
plt.show()
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
