ToB企服应用市场:ToB评测及商务社交产业平台

标题: python学opencv|读取图像（三十五）反阈值处置惩罚 [打印本页]

---

作者: 去皮卡多    时间: 4 天前
标题: 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。

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：

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：

1. import cv2 as cv # 引入CV模块
2. import numpy as np #引入numpy模块
4. # 读取图片
5. src = cv.imread('scasrcf.png',0)
6. dst=src#输出图像
9. t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY_INV) #阈值开关58，阈值上限158
10. t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY_INV) #阈值开关100，阈值上限255
11. t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY_INV) #阈值开关0，阈值上限255
13. #展示图像
14. cv.imshow('srcf', dst)  # 在屏幕展示效果
15. cv.imshow('srcft1', dst1)  # 在屏幕展示效果
16. cv.imshow('srcft2', dst2)  # 在屏幕展示效果
17. cv.imshow('srcft3', dst3)  # 在屏幕展示效果
18. print("dst像素数为[100,100]位置处的BGR=", dst[100, 100])  # 获取像素数为[100,100]位置处的BGR
19. print("dst1像素数为[100,100]位置处的BGR=", dst1[100, 100])  # 获取像素数为[100,100]位置处的BGR
20. print("dst2像素数为[100,100]位置处的BGR=", dst2[100, 100])  # 获取像素数为[100,100]位置处的BGR
21. print("dst3像素数为[100,100]位置处的BGR=", dst3[100, 100])  # 获取像素数为[100,100]位置处的BGR
23. #保存图像
24. cv.imwrite('srcf-m-V.png', dst)  # 保存图像
25. cv.imwrite('srcf-m-t1-V.png', dst1)  # 保存图像
26. cv.imwrite('srcf-m-t2-V.png', dst2)  # 保存图像
27. cv.imwrite('srcf-m-t3-V.png', dst3)  # 保存图像
28. cv.waitKey()  # 图像不会自动关闭
29. cv.destroyAllWindows()  # 释放所有窗口

复制代码

可以看到，阈值处置惩罚函数全部调用了 cv.THRESH_BINARY_INV：
  

1. t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY_INV) #阈值开关58，阈值上限158
2. t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY_INV) #阈值开关100，阈值上限255
3. t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY_INV) #阈值开关0，阈值上限255

复制代码

本次使用的原图是：

图2

得到的未做阈值处置惩罚的灰度图为：

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：

图4 阈值开关58，阈值上限158，反阈值处置惩罚

图5 阈值开关100，阈值上限255，反阈值处置惩罚

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：

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：

1. 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
2. t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY_INV) #阈值开关100，阈值上限255
3. t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY_INV) #阈值开关0，阈值上限255
4. #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[100,100]位置处的BGR=", dst[100, 100])  # 获取像素数为[100,100]位置处的BGRprint("dst1像素数为[100,100]位置处的BGR=", dst1[100, 100])  # 获取像素数为[100,100]位置处的BGRprint("dst2像素数为[100,100]位置处的BGR=", dst2[100, 100])  # 获取像素数为[100,100]位置处的BGRprint("dst3像素数为[100,100]位置处的BGR=", dst3[100, 100])  # 获取像素数为[100,100]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

复制代码

代码运行后，经过饭阈值处置惩罚的图像为：

图8 阈值开关58，阈值上限158，反阈值处置惩罚

 图9 阈值开关100，阈值上限255，反阈值处置惩罚

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：

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。

---

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4