python学opencv|读取图像（三十五）反阈值处置惩罚
【1】引言前序已经学习了对灰度图像和彩色图像的阈值处置惩罚，对图像的RGB通道强行赋值，相关链接为：
python学opencv|读取图像（三十三）阈值处置惩罚-灰度图像-CSDN博客
python学opencv|读取图像（三十四）阈值处置惩罚-彩色图像-CSDN博客
在应用上述阈值处置惩罚的过程中，我们调用的函数是cv2.threshold()，该函数的官网链接为：
OpenCV: Miscellaneous Image Transformations
在官网，我们会看到对cv2.threshold()函数的处置惩罚中，有一个type参数，这是我们之前未深入探讨的地方，今天我们就着重研究一下。
https://i-blog.csdnimg.cn/direct/ea89eaedbcaf4eaea98abeb9c9836310.png
图1
【2】阈值和反阈值处置惩罚
点击图1中type对应的ThresholdTypes，会链接到新的网页：
OpenCV: Miscellaneous Image Transformations
在这里，我们主要关注两个type：
https://i-blog.csdnimg.cn/direct/8f37b137cf0d4277a4adb5d48443b133.png
图2
图2表现了两个type：cv.THRESH_BINARY和cv.THRESH_BINARY_INV，这两个是完全过来的，第一个只要实际值大于阈值开关，就直接赋最大值，第二个则是不超过阈值开关时赋最大值。
cv.THRESH_BINARY在之前的两篇文章中，一直被cv2.threshold()调用。所以，假如做反阈值处置惩罚，cv2.threshold()函数就要调用cv.THRESH_BINARY_INV。
【3】代码测试
代码测试直接使用前两篇使用的代码，只须要修改cv2.threshold()函数，使其从调用cv.THRESH_BINARY该换为调用cv.THRESH_BINARY_INV即可。
【3.1】灰度图像
灰度图像反阈值处置惩罚使用的完整代码为：
import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块
# 读取图片
src = cv.imread('scasrcf.png',0)
dst=src#输出图像
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY_INV) #阈值开关58，阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY_INV) #阈值开关100，阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY_INV) #阈值开关0，阈值上限255
#展示图像
cv.imshow('srcf', dst)# 在屏幕展示效果
cv.imshow('srcft1', dst1)# 在屏幕展示效果
cv.imshow('srcft2', dst2)# 在屏幕展示效果
cv.imshow('srcft3', dst3)# 在屏幕展示效果
print("dst像素数为位置处的BGR=", dst)# 获取像素数为位置处的BGR
print("dst1像素数为位置处的BGR=", dst1)# 获取像素数为位置处的BGR
print("dst2像素数为位置处的BGR=", dst2)# 获取像素数为位置处的BGR
print("dst3像素数为位置处的BGR=", dst3)# 获取像素数为位置处的BGR
#保存图像
cv.imwrite('srcf-m-V.png', dst)# 保存图像
cv.imwrite('srcf-m-t1-V.png', dst1)# 保存图像
cv.imwrite('srcf-m-t2-V.png', dst2)# 保存图像
cv.imwrite('srcf-m-t3-V.png', dst3)# 保存图像
cv.waitKey()# 图像不会自动关闭
cv.destroyAllWindows()# 释放所有窗口
可以看到，阈值处置惩罚函数全部调用了 cv.THRESH_BINARY_INV：
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY_INV) #阈值开关58，阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY_INV) #阈值开关100，阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY_INV) #阈值开关0，阈值上限255
本次使用的原图是：
https://i-blog.csdnimg.cn/direct/49abcd2b91524629b8b63415ccc68914.png
图2
得到的未做阈值处置惩罚的灰度图为：
https://i-blog.csdnimg.cn/direct/98da917c81be4d1eb1f7a7c6154cd5f5.png
图3 未做阈值处置惩罚的灰度图
此时经过阈值函数处置惩罚，得到的图像分别为：
https://i-blog.csdnimg.cn/direct/b693dcf8cc73400487213637724d0866.png
图4 阈值开关58，阈值上限158，反阈值处置惩罚
https://i-blog.csdnimg.cn/direct/9daa5f7af6eb4772ab6da2dbc4dc9b70.png
图5 阈值开关100，阈值上限255，反阈值处置惩罚
https://i-blog.csdnimg.cn/direct/2eacbd762b74499aab87c7bc40f8781f.png
图6 阈值开关0，阈值上限255，反阈值处置惩罚
经过此次反阈值处置惩罚，会发现：原图亮的地方变暗了，暗的地方变亮了。
假如仔细核对特定点的BGR值，也会发现这个结论：
https://i-blog.csdnimg.cn/direct/51de408c955c46a7b6df88059d6a98fd.png
图7
【3.2】彩色图像
彩色图像反阈值处置惩罚使用的完整代码为：
import cv2 as cv # 引入CV模块import numpy as np #引入numpy模块# 读取图片src = cv.imread('srcun.png')dst=src#输出图像t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY_INV) #阈值开关58，阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY_INV) #阈值开关100，阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY_INV) #阈值开关0，阈值上限255
#展示图像cv.imshow('srcf', dst)# 在屏幕展示效果cv.imshow('srcft1', dst1)# 在屏幕展示效果cv.imshow('srcft2', dst2)# 在屏幕展示效果cv.imshow('srcft3', dst3)# 在屏幕展示效果print("dst像素数为位置处的BGR=", dst)# 获取像素数为位置处的BGRprint("dst1像素数为位置处的BGR=", dst1)# 获取像素数为位置处的BGRprint("dst2像素数为位置处的BGR=", dst2)# 获取像素数为位置处的BGRprint("dst3像素数为位置处的BGR=", dst3)# 获取像素数为位置处的BGR#保存图像cv.imwrite('srcf-m-VC.png', dst)# 保存图像cv.imwrite('srcf-m-t1-VC.png', dst1)# 保存图像cv.imwrite('srcf-m-t2-VC.png', dst2)# 保存图像cv.imwrite('srcf-m-t3-VC.png', dst3)# 保存图像cv.waitKey()# 图像不会主动关闭cv.destroyAllWindows()# 开释所有窗口 代码运行后，经过饭阈值处置惩罚的图像为：
https://i-blog.csdnimg.cn/direct/bec0b26e1e954c3a8ebdab7bf8574bf3.png
图8 阈值开关58，阈值上限158，反阈值处置惩罚
https://i-blog.csdnimg.cn/direct/08059abf91984d0a901872f396eaa95b.png
图9 阈值开关100，阈值上限255，反阈值处置惩罚
https://i-blog.csdnimg.cn/direct/ab3100a8e0424c41bb4a62a8b807d87b.png
图10 阈值开关0，阈值上限255，反阈值处置惩罚、
由图8、图9和图10反阈值效果图可见：
和灰度图像一致，对彩色图像，反阈值处置惩罚的效果也是让亮暗的地方反向变化。
特定像素点的BGR取值也能证明这一点：
https://i-blog.csdnimg.cn/direct/27576aa402314f7ea679ec97f3b677fc.png
图11
【4】细节说明
cv.THRESH_BINARY和cv.THRESH_BINARY_INV是完全相反的操作，但实际BGR值和阈值开关举行判断时，采取的操作都是按照：大于是一个取值，小于便是（不大于）是相反的取值。
【5】总结
把握了python+opencv实现灰度图和彩色图像反阈值操作的本领。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]