python阈值分割_opencv 阈值分割的具体使用
阈值分割
像素图
原始图像像素图 见下面
红色线:标注一条阈值线
二进制阈值化
首先设定一条阀值线 如127
大于127的像素点灰度值设为最大(如unit8的格式为255)
小于127的像素点灰度值设为0
反二进制阈值化首先设定一条阀值线 如127
大于127的像素点灰度值设为最小为0
小于127的像素点灰度值设为最大(如unit8的格式为255)
截断阈值化首先选定一个阀值,大于该阈值的像素点呗设定为该阈值,小于该阈值的不变
如:阈值127,大于127的像素点值为127;小于127的不变
反阈值化为0
先选定一个阈值,然后做如下处理:
大于等于该阈值的像素点变为0,
小于该阈值的像素点不变。
阈值化为0
先选定一个阈值,然后做如下处理:
大于等于该阈值的像素点不变,
小于该阈值的像素点变为0。
threshold函数
threshold:中文阈值
方法:
retval,dst=cv2.threshold(src,thresh,maxval,type)
retval:阈值 一般和thresh相同
dst:处理结果的图像
src:原始图像
thresh:阈值,阈值线,对应上文的红线
maxval:最大值,阈值分割后指定的最大值,有1和255。最大值为1对应是二值化图像数据
type:类型,指定那种阈值
threshold 二进制阈值
把亮的处理成白色,暗的处理成黑色
区别二值化阈值:二值化只有0,1。
二进制阈值:可以有其他两个数。二值化是特殊的二进制阈值。
cv2.THRESH_BINARY
算例:设定阈值为127
import cv2
a=cv2.imread('lenacolor.png')#
r,b=cv2.threshold(a,127,255,cv2.THRESH_BINARY)
print('r',r)
cv2.imshow('a',a)
cv2.imshow('b',b)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果:
图中 像素只有0,255
print(b)
threshold 反二进制阈值
把亮的处理成黑色,暗的处理成白色
修改前文代码
cv2.THRESH_BINARY_INV
threshold 截断阈值
亮的不能太亮,有上限,暗的不变
cv2.THRESH_TRUNC
threshold 反阈值化为0
把比较亮的部分处理成0成黑色,小于等于阈值的像素点不变
cv2.THRESH_TOZERO_INV
threshold 阈值化为0
比较亮的部分不变,比较暗的部分处理成黑色为0
cv2.THRESH_TOZERO
到此这篇关于opencv 阈值分割的具体使用的文章就介绍到这了,更多相关opencv 阈值分割内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客!
python阈值分割_opencv 阈值分割的具体使用相关推荐
- java opencv 阀值分割_opencv 阈值分割的具体使用
阈值分割 像素图 原始图像像素图 见下面 红色线:标注一条阈值线 二进制阈值化 首先设定一条阀值线 如127 大于127的像素点灰度值设为最大(如unit8的格式为255) 小于127的像素点灰度值设 ...
- python编程胡牌将是什么意思_OpenCV+Python识别车牌和字符分割的实现
本篇文章主要基于python语言和OpenCV库(cv2)进行车牌区域识别和字符分割,开篇之前针对在python中安装opencv的环境这里不做介绍,可以自行安装配置! 车牌号检测需要大致分为四个部分 ...
- pandas基于dataframe特定数据列的指定阈值将原dataframe分割成两个dataframe(split dataframe based on column value threshold
pandas基于dataframe特定数据列的指定阈值将原dataframe分割成两个子dataframe(split dataframe based on column value threshol ...
- 目标检测-分水岭分割与阈值分割对比
1.1 对阴影的处理 基于阈值的分割,是在以某个阈值T,对图像进行分割.分割时由于拍摄时图像阴影处导致分割不理想,结果虽然达到理想预期.但是二值化后的结果以阴影部分外围与图像融合,导致再用findCo ...
- Python OpenCV GrabCut进行前景分割和提取
Python OpenCV GrabCut进行前景分割和提取 1. 效果图 1.1 边界框GrabCut效果图 1.2 Mask GrabCut效果图 2. GrabCut原理 2.1 GrabCut ...
- Python pandas数据分列,分割符号固定宽度
背景 数据分列在数据处理中很常见,数据分列一般指的都是字符串分割,这个功能在Excel里面很实用,处理数据非常方便,那么在pandas数据框中怎么使用呢,今天这篇文章就来详细介绍下 分列 模拟数据 以 ...
- 8.1 Python图像处理之图像典型分割-SUSAN边缘检测
8.1 Python图像处理之图像典型分割-SUSAN边缘检测 文章目录 8.1 Python图像处理之图像典型分割-SUSAN边缘检测 1 算法原理 2 代码 3 效果 1 算法原理 SUSAN 的 ...
- 8.2 Python图像处理之图像典型分割-主动轮廓
8.2 Python图像处理之图像典型分割-主动轮廓 文章目录 8.2 Python图像处理之图像典型分割-主动轮廓 1 算法原理 2 代码 3 效果 1 算法原理 主动轮廓模型,将图像分割问题转换为 ...
- 图像分割:Python的SLIC超像素分割
图像分割:Python的SLIC超像素分割 1. 什么是超像素? 2. 为什么超像素在计算机视觉方面有重要的作用? 3. 简单线性迭代聚类(SLIC) 4. 效果图 5. 源码 参考 1. 什么是超像 ...
最新文章
- 单链表-单链表A拆分为A(偶)和C(奇) (尾插法建表)
- php todo和其他备注,Vim中列出TODO与FIXME等备注的方法
- 4kyu Path Finder #1: can you reach the exit?
- Boostrap的按钮下拉菜单
- python 筛选提取连续多行_没有比这更简单的Python入门案例,用python打印你的宠物小精灵...
- android studio 动画效果图,Android Studio如何动画移动视图?
- linux 网卡绑定updelay,Linux 配置双网卡绑定实现负载均衡
- 判断网页pdf还是html,html5 – 如何知道PDF.JS是否完成渲染?
- 基础练习 01字串(取位操作)
- 【QGIS入门实战精品教程】3.2:QGIS如何打开ArcGIS创建的个人数据库(MDB)?
- server精简版代理意外终止 sql_来自阿里巴巴内部JAVA面试宝典意外流出
- Java并发编程,Condition的await和signal等待通知机制
- 征服大前端视频教程第一季(jQuery、HTML5、CSS3、Node.js)
- 什么软件可以测试电脑硬件兼容性,Windows 7常用48款软件兼容性测试
- 【算法】验证哥德巴赫猜想
- SparkStreaming transform算子入门案例
- top命令显示内容的详细解释
- 大数据技术原理与应用(第一章,大数据概述)
- Docker_制作docker镜像
- python deap_DEAP(Distributed Evolutionary Algorithms in Python)1.2.2文档(一)
热门文章
- C++动态数组的分配
- ComponentName使用方法
- MySQL的锁到底有多少内容?详细解说
- 筹集50亿美元“军费”,字节开战Facebook
- Fiedler Audio Stage for Mac(立体声增强插件)破解教程
- cloudflare tunnel搭建网站
- 知乎2.3W赞 !大厂面试末轮,程序员惊天1答,笑死人了...
- HDFS权限管理、用户身份认证和数据访问授权、UGO权限管理、umask权限掩码、UGO权限相关命令、Web页面修改UGO权限
- matlab 色阶表,色阶表 在线调色 颜色代码表 RGB调色板
- 铁甲雄兵哪个服务器人最多,超级玩家第三期 铁甲雄兵全区最高等级玩家_逗游网...