像素是在模拟图像数字化时对连续空间进行离散化得到的。每个像素具有整数行（高）和列（宽）位置坐标，同时每个像素都具有整数灰度值或颜色值。
threshold函数
二值化阈值处理（cv2.THRESH_BINARY）
反二值化阈值处理（cv2.THRESH_BINARY_INV）
截断阈值化处理（cv2.THRESH_TRUNC））
超阈值零处理（cv2.THRESH_TOZERO_INV）
低阈值零处理（cv2.THRESH_TOZERO）
自适应阈值处理
dst2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)
加上img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)后成功运行。
img = cv2.imread("p7.jpg") t,rst = cv2.threshold(img,200,255,cv2.THRESH_BINARY) img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) dst2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3) dst = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 5, 3) cv2.imshow("r",dst) cv2.imshow("r2",dst2) print(img) # 
OTSU处理
在 OpenCV 中，通过在函数 cv2.threshold（）中对参数 type 的类型多传递一个参数“cv2.THRESH_OTSU”，即可实现Otsu方式的阈值分割。 需要说明的是，在使用Otsu方法时，要把阈值设为0。此时的函数cv2.threshold（）会自动寻找最优阈值，并将该阈值返回。例如，下面的语句让函数cv2.threshold（）采用Otsu方法进行阈值分割：
t,otsu=cv2.threshold（img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU） 与普通阈值分割的不同之处在于：
● 参数type增加了一个参数值“cv2.THRESH_OTSU”。
● 设定的阈值为0。
● 返回值t是Otsu方法计算得到并使用的最优阈值。 需要注意，如果采用普通的阈值分割，返回的阈值就是设定的阈值。
实例：
img = cv2.imread("p7.jpg",0) t,rst = cv2.threshold(img,200,255,cv2.THRESH_BINARY) tt,rst2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU) 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/202450.html原文链接：https://javaforall.net
