OpenCV基础_二

阈值和平滑处理

cv2.threshold()二值化函数

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

• 参数

　　src:所要进行二值化处理的灰度图

　　thresh:阈值

　　maxval：最大值

　　type：有八种常见类型

• 返回值

　　ret：参数中指定的阈值thresh

　　thresh：二值化后的灰度图

---

平滑处理

原图：

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

• 均值滤波 简单的平均卷积操作

img = cv2.imread('ZS.png')
blur = cv2.blur(img,(3,3))
cv_show('img',blur)

• 方框滤波 基本和均值滤波一样 (可以选择归一化，若不归一化容易越界，越界取255)

img = cv2.imread("ZS.png")
box = cv2.boxFilter(img,-1,(3,3),normalize=True)
cv_show('img',box)

• 高斯滤波

img = cv2.imread("ZS.png")
aussian = cv2.GaussianBlur(img,(3,3),1)
cv_show('img',aussian)

• 中值滤波 用中值代替

img = cv2.imread("ZS.png")
median = cv2.medianBlur(img,5)
cv_show('img',median)

• 均值滤波 高斯滤波 中值滤波 比较

res = np.hstack((blur,aussian,median))

cv_show('res',res)

---

Canny边缘检测

利用高斯滤波对图像平滑处理

Canny(img,minval,maxval)利用高阈值进行非最大值抑制

高于高阈值 保留

低于低阈值 舍弃

处于高阈值和低阈值之间若和保留点项链则保留，否则舍弃

阈值越高，条件越苛刻，符合的边缘越少

img = cv2.imread('1.jpg')
v1 = Canny(img,100,200)
v2 = Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show('res',res)

原图：

边缘检测图：