opencvhsv阈值分割函数,python中opencv
阈值分割法是一种基于区域的图像分割技术，原理是把图像像素点分为若干类。本文将利用Python OpenCV实现阈值分割，感兴趣的可以了解一下
目录
一、全局阈值1.效果图2.源码二、滑动改变阈值（滑动条)1.效果图2.源码三、自适应阈值分割1.效果图2.源码3.高斯布朗勒函数去噪四、参数解释
一、全局阈值
原图：
整幅图采用一个阈值，与图片的每一个像素灰度进行比较，重新赋值；
1.效果图
2.源码
导入cv2
将matplotlib.pyplot作为血小板计数导入
#设定阈值
阈值=130
#载入原图，并转化为灰度图像
img _原始=cv2。im read(r e : py python 3.7 test 2 test 14于之 cell。png ，0)
img _原始=cv2。resize(img _ original，(0，0)，fx=0.3，fy=0.3)
#采用5种阈值类型（阈值类型)分割图像
retval1，img _ binary=cv2。threshold(img _ original，thresh，255，cv2 .THRESH_BINARY)
retval2，img _ binary _ invertion=cv2。threshold(img _ original，thresh，255，cv2 .THRESH_BINARY_INV)
retval3，img _ trunc=cv2。threshold(img _ original，thresh，255，cv2 .TRUNC)
retval4，img _ to zero=cv2。threshold(img _ original，thresh，255，cv2 .THRESH_TOZERO)
retval5，img _ to zero _ inversion=cv2。threshold(img _ original，thresh，255，cv2 .THRESH_TOZERO_INV)
#采用plt.imshow()显示图像
imgs=[img_original，img_binary，img _ binary _ invertion，img_trunc，img_tozero，img_tozero_inversion]
titles=[original ， binary ， binary_inv ， trunc ， tozero ， tozero_inv]
对于范围(6):中的我
情节子情节(2,3,11)
plt.imshow(imgs[i]，灰色)
工厂名称(标题[我])
plt.xticks([])
plt.yticks([])
plt.show()
二、滑动改变阈值(滑动条)
1.效果图
2.源码
代码如下（示例):
导入cv2
将数组作为铭牌导入
将matplotlib.pyplot作为血小板计数导入
#载入原图，转化为灰度图像，并通过cv2.resize()等比调整图像大小
img _原始=cv2。im read(r e : py python 3.7 test 2 test 14于之 cell。png ，0)
img _原始=cv2。resize(img _ original，(0，0)，fx=0.3，fy=0.3)
#初始化阈值，定义全局变量毕业生
人工全髋关节置换术
esh=130
imgs=0
#创建滑动条回调函数，参数thresh为滑动条对应位置的数值
def threshold_segmentation(thresh):
#采用5种阈值类型（thresholding type）分割图像
retval1,img_binary=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY)
retval2,img_binary_invertion=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY_INV)
retval3,img_trunc=cv2.threshold(img_original,thresh,255,cv2.THRESH_TRUNC)
retval4,img_tozero=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO)
retval5,img_tozero_inversion=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO_INV)
#由于cv2.imshow()显示的是多维数组（ndarray）,因此我们通过np.hstack(数组水平拼接)
#和np.vstack(竖直拼接)拼接数组，达到同时显示多幅图的目的
img1=np.hstack([img_original,img_binary,img_binary_invertion])
img2=np.hstack([img_trunc,img_tozero,img_tozero_inversion])
global imgs
imgs=np.vstack([img1,img2])
#新建窗口
cv2.namedWindow(Images)
#新建滑动条，初始位置为130
cv2.createTrackbar(threshold value,Images,130,255,threshold_segmentation)
#第一次调用函数
threshold_segmentation(thresh)
#显示图像
while(1):
cv2.imshow(Images,imgs)
if cv2.waitKey(1)==ord(q):
break
cv2.destroyAllWindows()
三、自适应阈值分割
1.效果图
2.源码
代码如下（示例）：
import cv2
3.GaussianBlur()函数去噪
代码如下（示例）：
import cv2
四、参数解释
1.cv2.threshold(src, thresh, maxval, type)
参数：
src:输入的图像
thresh:图像分割所用的阈值（threshold value）
maxval:当阈值类型（thresholding type）采用cv2.THRESH_BINARY和cv2.THRESH_BINARY_INV时像素点被赋予的新值
type:介绍6种类型：
cv2.THRESH_BINARY（当图像某点像素值大于thresh(阈值)时赋予maxval，反之为0。注：最常用）
cv2.THRESH_BINARY_INV（当图像某点像素值小于thresh时赋予maxval，反之为0）
cv2.THRESH_TRUNC（当图像某点像素值大于thresh时赋予thresh,反之不变。注：虽然maxval没用了，但是调用函数不能省略）
cv2.THRESH_TOZERO（当图像某点像素值小于thresh时赋予0，反之不变。注：同上）
cv2.THRESH_TOZERO_INV（当图像某点像素值大于thresh时赋予0，反之不变。注：同上）
cv2.THRESH_OTSU（该方法自动寻找最优阈值，并返回给retval,见下文）
返回值：
retval:设定的thresh值，或者是通过cv2.THRESH_OTSU算出的最优阈值
dst:阈值分割后的图像
以上就是Python+OpenCV实现阈值分割的方法详解的详细内容，更多关于Python OpenCV阈值分割的资料请关注盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。