python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > OpenCV图像阈值处理和平滑处理

Python中的OpenCV图像阈值处理和平滑处理详解

作者:小白地瓜

这篇文章主要介绍了Python中的OpenCV图像阈值处理和平滑处理详解,OpenCV是一个跨平台的计算机视觉库,可用于开发实时的图像处理、计算机视觉以及模式识别程序,需要的朋友可以参考下

一、图像的阈值处理

ret, dst = cv2.threshold(src=,thresh=,maxval=,type=)

import cv2
img_h = cv2.imread(r"C:\Users\admin\Desktop\yy.jpg", cv2.IMREAD_GRAYSCALE)
# 超过阈值部分取maxval(最大值),否则0
ret1,img1 = cv2.threshold(img_h,127,255,cv2.THRESH_BINARY)
# 小于阈值部分取maxval(最大值)  否则0
ret2,img2 = cv2.threshold(img_h,127,255,cv2.THRESH_BINARY_INV)
# 大于阈值部分设为阈值,否则不变
ret3,img3 = cv2.threshold(img_h,127,255,cv2.THRESH_TRUNC)
# 大于阈值部分不改变,否则设为0
ret4,img4 = cv2.threshold(img_h,127,255,cv2.THRESH_TOZERO)
# 小于阈值部分不改变吗,否则设为0
ret5,img5 = cv2.threshold(img_h,127,255,cv2.THRESH_TOZERO_INV)
titles = ["ORIGINAL", "BINARY", "BINARY_INV", "TRUNC", "TOZERO", "TOZERO_INV"]
imgs = [img_h,img1,img2,img3,img4,img5]
for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(imgs[i],"gray")
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()

效果如下

在这里插入图片描述

二、图像的平滑处理

img = cv2.imread(r"C:\Users\admin\Desktop\yy2.jpg", cv2.IMREAD_GRAYSCALE)
# 均值滤波
# 简单的平均卷积操作
# (3,3)为每次处理矩阵的大小
# 比如3*3的矩阵9个数,9个数相加除以9来代替中间点的像素值
blur = cv2.blur(img, (3, 3))
# 方框滤波
# normalize=True时,基本和均值一样,可以选择归一化
# -1 基本为常量
box = cv2.boxFilter(img,-1,(3,3),normalize=True)
# 方框滤波
# normalize=False,容易越界,因为超过255,则就255
# 比如3*3的矩阵9个数,9个数相加代替中间点的像素值,超过255则为255
box = cv2.boxFilter(img,-1,(3,3),normalize=False)
# 高斯滤波
# 卷积核是满足高斯分布,相当于更重视中间的像素值
aussian = cv2.GaussianBlur(img, (5,5), 1)
# 中值滤波
# 相当于用中值代替
# 比如3*3的矩阵9个数,取中值来代替中间点的像素值
median = cv2.medianBlur(img, 5)

到此这篇关于Python中的OpenCV图像阈值处理和平滑处理详解的文章就介绍到这了,更多相关OpenCV图像阈值处理和平滑处理内容请搜索脚本之家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脚本之家!

您可能感兴趣的文章:
阅读全文