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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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. 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 ...

  9. 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

  1. 单链表-单链表A拆分为A(偶)和C(奇) (尾插法建表)
  2. php todo和其他备注,Vim中列出TODO与FIXME等备注的方法
  3. 4kyu Path Finder #1: can you reach the exit?
  4. Boostrap的按钮下拉菜单
  5. 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...
  6. android studio 动画效果图,Android Studio如何动画移动视图?
  7. linux 网卡绑定updelay,Linux 配置双网卡绑定实现负载均衡
  8. 判断网页pdf还是html,html5 – 如何知道PDF.JS是否完成渲染?
  9. 基础练习 01字串(取位操作)
  10. 【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)?
  11. 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
  12. Java并发编程,Condition的await和signal等待通知机制
  13. 征服大前端视频教程第一季(jQuery、HTML5、CSS3、Node.js)
  14. 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
  15. 【算法】验证哥德巴赫猜想
  16. SparkStreaming transform算子入门案例
  17. top命令显示内容的详细解释
  18. 大数据技术原理与应用(第一章,大数据概述)
  19. Docker_制作docker镜像
  20. python deap_DEAP(Distributed Evolutionary Algorithms in Python)1.2.2文档(一)

热门文章

  1. C++动态数组的分配
  2. ComponentName使用方法
  3. MySQL的锁到底有多少内容?详细解说
  4. 筹集50亿美元“军费”,字节开战Facebook
  5. Fiedler Audio Stage for Mac(立体声增强插件)破解教程
  6. cloudflare tunnel搭建网站
  7. 知乎2.3W赞 !大厂面试末轮,程序员惊天1答,笑死人了...
  8. 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
  9. matlab 色阶表,色阶表 在线调色 颜色代码表 RGB调色板
  10. 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...