本文先了解一個簡單閾值函數，以了解一個閾值算法的具體參數。

然后比較不同閾值函數的區別。

同樣的，先用一副圖說明本文重要大綱：

#! usr/bin/env python# coding: utf-8import cv2img = cv2.imread('cat.jpg')img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 先將圖像矩陣進行二值化# img = cv2.imread('cat.jpg'，0)# 也可以直接將圖像用灰度值讀入，其中0就表示用灰度讀圖cv2.imshow('img',img)_,img1 = cv2.threshold(img,100,250,cv2.THRESH_BINARY)# 這個函數返回兩個值，第二個值才是二值化后的圖像矩陣# 最后一個參數表示一種二值化算法# 閾值設置為100,# 250表示大于100的像素值會被重新賦值為250cv2.imshow('img',img1)# cv2.waitKey()cv2.destroyAllWindows()############ 以下比較不同簡單二值化算法的區別# 先進行不同算法的二值化ret,img1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)# 從名字可以看出一點來，binary是二元的意思，這里指要么0，要么指定的一個值（255）print(ret)ret,img2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)# 注意到INV表示逆，全寫是inverseret,img3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)# 注意到truncate表示截斷的意思。這個函數不再是二元，而是對超過某個值的部分進行處理，否則并不會處理。ret,img4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)# 實際上，這也是一種階段，對大于某一個值的像素值進行調整，與trunc不同的是，這里變為0，而不是最大值ret,img5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)import numpy as npimport matplotlib.pyplot as plt#用這個模塊來畫圖顯示，這個庫和opencv有些不同，可參考前面的博客# https://blog.csdn.net/qq_27261889/article/details/80543966# 先定義以下圖的圖題和圖像矩陣titles = ['original','binary','binary_inv','trunc','tozero','tozero_inv']imgs = [img,img1,img2,img3,img4,img5]for i in range(6):  plt.subplot(2,3,i+1)#分別畫出每一個圖  plt.imshow(imgs[i],'gray')  plt.title(titles[i])#寫出圖題plt.show()

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林網之家。