当前位置：首页 > news >正文

OpenCV 阈值处理

news 2025/8/16 6:41:26

一、OpenCV 阈值处理技术

阈值处理基础

阈值处理是将灰度图像转换为二值图像的核心技术，通过设定阈值将像素分为两类（如前景/背景）。数学表达为：
dst(x,y) = maxVal if src(x,y) > thresh else 0

核心作用：

简化图像结构，突出目标轮廓
为OCR、边缘检测等任务提供预处理支持
有效降低图像噪声影响

二、OpenCV 阈值处理代码样例

import cv2 as cv# 读取图像文件
img = cv.imread('../Resources/Photos/cats.jpg')
if img is None:print("错误：图像路径无效或文件损坏")exit()
cv.imshow('Cats', img)  # 显示原始图像（窗口标题为'Cats'）# 将BGR彩色图像转换为灰度图像
# 参数：
#   img - 原始BGR三通道图像
#   cv.COLOR_BGR2GRAY - 颜色空间转换标志（其他选项：cv.COLOR_BGR2RGB等）
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('Gray', gray)  # 显示灰度图像### 简单阈值处理（全局阈值）###
# 函数原型：retval, dst = cv.threshold(src, thresh, maxval, type)
#   src：输入灰度图像（单通道）
#   thresh：设定的阈值（范围0-255）
#   maxval：当像素值超过阈值时赋予的最大值
#   type：阈值处理类型
# 返回值：
#   retval：实际使用的阈值（与输入thresh相同）
#   dst：阈值处理后的二值图像# 二值化处理（cv.THRESH_BINARY）
# 规则：像素值 > thresh 时设为maxval（255），否则设为0
threshold, thresh = cv.threshold(gray, 150, 255, cv.THRESH_BINARY)
cv.imshow('Simple Thresholded', thresh)  # 显示二值化结果（亮区变白，暗区变黑）# 反二值化处理（cv.THRESH_BINARY_INV）
# 规则：像素值 > thresh 时设为0，否则设为maxval（255）
threshold, thresh_inv = cv.threshold(gray, 150, 255, cv.THRESH_BINARY_INV)
cv.imshow('Simple Thresholded Inverse', thresh_inv)  # 显示反二值化结果（亮区变黑，暗区变白）### 自适应阈值处理（局部动态阈值）###
# 函数原型：dst = cv.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
#   src：输入灰度图像
#   maxValue：满足条件的像素赋予的最大值
#   adaptiveMethod：自适应算法类型
#       1. cv.ADAPTIVE_THRESH_MEAN_C：邻域内像素均值作为阈值
#       2. cv.ADAPTIVE_THRESH_GAUSSIAN_C：邻域内像素的加权均值（高斯核权重）
#   thresholdType：阈值处理类型（仅支持二值化/反二值化）
#   blockSize：邻域窗口大小（必须为正奇数，如3,5,11）
#   C：从计算阈值中减去的常数（用于微调阈值，可为负数）# 高斯加权自适应二值化（反色）
# 参数说明：
#   cv.ADAPTIVE_THRESH_GAUSSIAN_C：使用高斯加权计算局部阈值
#   cv.THRESH_BINARY_INV：反二值化（效果：背景黑色，目标白色）
#   11：邻域大小（11×11像素块）
#   9：调整常数（增大则阈值降低，更多像素变为白色）
adaptive_thresh = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY_INV,11,9
)
cv.imshow('Adaptive Thresholding', adaptive_thresh)  # 显示自适应阈值结果# 等待键盘输入（0表示无限等待）
# 按ESC键（ASCII 27）或任意键退出窗口
cv.waitKey(0)
# 销毁所有OpenCV创建的窗口
cv.destroyAllWindows()