阈值控制

        
        PYTHON
      
# 阈值控制
ret,destImg = cv2.threshold(img,threshVal,maxVal,flags)

# 自动计算 threshVal 值
ret,destImg = cv2.threshold(img,0,maxVal,flags | cv2.THRESH_OTSU)

# 自适应阈值算法
# adaptiveMethod：cv2.ADAPTIVE_THRESH_ 自适应算法 
# blockSize：多大的图像才进行局部阈值计算
cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) -> dst
# 阈值控制
ret,destImg = cv2.threshold(img,threshVal,maxVal,flags)

# 自动计算 threshVal 值
ret,destImg = cv2.threshold(img,0,maxVal,flags | cv2.THRESH_OTSU)

# 自适应阈值算法
# adaptiveMethod：cv2.ADAPTIVE_THRESH_ 自适应算法 
# blockSize：多大的图像才进行局部阈值计算
cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) -> dst

作用： 根据设定的「阈值」将图像拆分为两个部分，例如纯黑-纯白图。
图像阈值类型：
- cv2.THRESH_BINARY：
  - > threshVal：通道值大于阈值时，取值为maxVal
  - < threshVal：通道值大于阈值时，取值为0
- cv2.THRESH_BINARY_INV：计算方式与上面相反
- cv2.THRESH_TOZERO：
  - > threshVal：通道值大于阈值时，不变
  - < threshVal：通道值大于阈值时，取值为0
- cv2.THRESH_TOZERO_INV：计算方式与上面相反
- cv2.THRESH_TRUNC：
  - > threshVal：通道值大于阈值时，取值为maxVal
  - < threshVal：通道值大于阈值时，不变
- cv2.THRESH_OTSU：自动计算 threshVal 值

Tip

当图片的明暗分布不能简单的通过一个threshVal进行划分时，就要使用自适应算法adaptiveThreshold

腐蚀和膨胀

腐蚀

原理： 卷积核中值为1框住的像素中，存在「零」时，卷积核中心对于的像素为「零」。

        
        PYTHON
      
# iterations：腐蚀操作重复多少次
cv2.erode(src, kernel:np.ndarray[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

# cv2生成卷积核
# shape ：cv2.MORPH_
cv2.getStructuringElement(shape, ksize[, anchor]) -> retval
# iterations：腐蚀操作重复多少次
cv2.erode(src, kernel:np.ndarray[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

# cv2生成卷积核
# shape ：cv2.MORPH_
cv2.getStructuringElement(shape, ksize[, anchor]) -> retval

膨胀

原理： 卷积核中值为1框住的像素中，存在「非零」时，卷积核中心对于的像素为「非零」。

        
        PYTHON
      
# iterations：膨胀操作重复多少次
cv2.dilate(src, kernel:np.ndarray[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst
# iterations：膨胀操作重复多少次
cv2.dilate(src, kernel:np.ndarray[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

形态学操作

        
        PYTHON
      
# op：cv2.MORPH_ 形态学的操作类型
cv2.morphologyEx(src, op, kernel:np.ndarray[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst
# op：cv2.MORPH_ 形态学的操作类型
cv2.morphologyEx(src, op, kernel:np.ndarray[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

名称	操作	OpenCV	应用
开运算	先腐蚀、再膨胀	`cv2.MORPH_OPEN`	去除边界上的毛刺、去二值图的噪点（去掉较小的形状）
闭运算	先膨胀、再腐蚀	`cv2.MORPH_CLOSE`	中空形状或者邻近的形状形成一整块
梯度运算	膨胀 - 腐蚀	`cv2.MORPH_GRADIENT`	二值图的边缘
礼帽	原始 - 开运算	`cv2.MORPH_TOPHAT`	把由「开运算」去除的像素，从原图中截取出来。（去掉较大的形状）
黑帽	闭运算 - 原始	`cv2.MORPH_BLACKHAT`	将「闭运算」填充的像素，从原图中截取出来

Note

阈值控制

Tip

腐蚀和膨胀

腐蚀

膨胀

形态学操作

License