---

文章目錄

• • @[toc]
  • 1 基本概念
  • 2 簡單閾值處理`cv2.threshold`
  • 3 自適應閾值處理`cv2.adaptiveThreshold`

更多精彩內容
👉內容導航 👈
👉OpenCV開發 👈

---

1 基本概念

圖像閾值處理（Thresholding）是圖像處理中的一種基本技術，用于將灰度圖像轉換為二值圖像。通過設定一個閾值，將圖像中的像素分為兩類：高于閾值的像素和低于閾值的像素。

使用場景

• 文檔圖像二值化
• 圖像分割預處理
• OCR 前處理
• 去除圖像噪聲
• 目標檢測預處理

2 簡單閾值處理cv2.threshold

cv2.threshold

輸入圖像：必須為單通道，若為彩色圖像需先轉換為灰度

函數定義

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

參數詳解

1. src（輸入圖像）

   • 類型：單通道灰度圖像（如 cv2.COLOR_BGR2GRAY 轉換后的圖像）。
   • 作用：待處理的輸入圖像，必須為 8-bit 或 32-bit 浮點型。

2. thresh（閾值）

   • 類型：float 或 int。
   • 作用：用于與像素值比較的閾值。若像素值大于 thresh，則根據 type 參數處理。

3. maxval（最大值）

   • 類型：float 或 int。
   • 作用：當像素值滿足閾值條件時，賦予的新值（僅對部分 type 有效）。

4. type（閾值類型）

   • 類型：枚舉值，決定二值化邏輯。常用選項：

     • cv2.THRESH_BINARY：像素值 > thresh → 設為 maxval，否則設為 0。
     • cv2.THRESH_BINARY_INV：像素值 > thresh → 設為 0，否則設為 maxval。
     • cv2.THRESH_TRUNC：像素值 > thresh → 截斷為 thresh，否則保留原值。
     • cv2.THRESH_TOZERO：像素值 > thresh → 保留原值，否則設為 0。
     • cv2.THRESH_TOZERO_INV：像素值 > thresh → 設為 0，否則保留原值。
     • cv2.THRESH_OTSU（需與上述類型組合使用，如 cv2.THRESH_BINARY + cv2.THRESH_OTSU）：自動計算最佳閾值（忽略手動設置的 thresh）。

返回值

• retval：實際使用的閾值。若使用 cv2.THRESH_OTSU，返回自動計算的閾值。
• dst：處理后的二值化圖像。

使用場景

1. 圖像二值化：最常見的使用場景之一。通過設定一個閾值，將圖像轉換為僅包含黑白兩種顏色的二值圖像。這對于后續的圖像處理步驟（如邊緣檢測、輪廓提取等）非常有用。
2. 背景消除：通過閾值處理，可以將圖像中的背景部分與前景部分區分開來，便于提取感興趣的目標。這對于機器視覺任務（如物體識別、跟蹤等）至關重要。
3. 圖像分割：利用閾值處理可以對圖像進行分割，將圖像中具有相似像素值的區域分隔出來。這有助于進一步分析圖像中的各個部分。
4. 特征提取：在某些情況下，閾值處理可以用于提取圖像中的某些特定特征，比如顏色特征、紋理特征等。這對于圖像分析和模式識別非常有用。
5. 減少噪聲：通過閾值處理，可以將一些小的噪聲區域從圖像中去除，從而提高圖像質量。這通常與形態學操作結合使用，以達到更好的效果。
6. 圖像增強：在某些情況下，閾值處理也可以用于增強圖像的某些部分，例如通過調整閾值來增加圖像的對比度。
7. 自動閾值確定：使用 cv2.THRESH_OTSU 或 cv2.THRESH_TRIANGLE 參數，可以讓函數自動確定閾值，適用于那些難以手動設定閾值的情況。
8. 圖像預處理：在進行其他復雜的圖像處理操作之前，通常會對圖像進行預處理，其中閾值處理是一個重要的步驟。它可以簡化后續處理的復雜度，并提高處理效果。
9. 圖像閾值化跟蹤：在視頻處理中，閾值處理可以用來跟蹤特定的物體或區域。通過動態調整閾值，可以適應不同的光照條件和背景變化。

3 自適應閾值處理cv2.adaptiveThreshold

OpenCV 中用于自適應閾值化的函數，特別適用于光照不均或背景復雜的圖像二值化場景：

---

adaptiveThreshold

函數定義

dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

參數詳解

1. src（輸入圖像）

   • 類型：必須為 8-bit 單通道灰度圖像（如 cv2.COLOR_BGR2GRAY 轉換后的圖像）。
   • 作用：待處理的輸入圖像，不接受浮點型或多通道圖像。

2. maxValue（最大值）

   • 類型：int 或 float。
   • 作用：當像素值滿足閾值條件時，賦予的新值（通常為 255）。

3. adaptiveMethod（自適應方法）

   • 類型：枚舉值，決定如何計算局部閾值。可選：

     • cv2.ADAPTIVE_THRESH_MEAN_C：基于鄰域塊的均值計算閾值（T = 均值 - C）。

   • cv2.ADAPTIVE_THRESH_GAUSSIAN_C：基于鄰域塊的高斯加權均值計算閾值（T = 高斯加權均值 - C）。

4. thresholdType（閾值類型）

   • 類型：枚舉值，僅支持兩種模式：

     • cv2.THRESH_BINARY：像素值 > 閾值 → 設為 maxValue，否則設為 0。

   • cv2.THRESH_BINARY_INV：像素值 > 閾值 → 設為 0，否則設為 maxValue。

5. blockSize（鄰域塊大小）

   • 類型：奇數（如 3, 5, 7）。
   • 作用：計算局部閾值的鄰域窗口尺寸，越大越能平滑噪聲，但可能丟失細節。

6. C（常數偏移）

   • 類型：int 或 float。
   • 作用：從計算的閾值中減去的常數，用于微調閾值敏感度（通常取正值降低閾值）。

返回值

• dst：處理后的二值化圖像，尺寸與 src 相同。

注意事項

1. 輸入限制：必須為 8-bit 單通道灰度圖像，否則報錯。
2. blockSize 奇偶性：必須為奇數，否則拋出 cv2.error。
3. 參數調優：
   • blockSize：值過小 → 噪聲敏感；值過大 → 細節丟失。
   • C 值：正值降低閾值（更易將像素設為 maxValue），負值提高閾值。
4. 性能：比全局閾值 cv2.threshold 計算開銷更大。
5. 對比全局閾值：
   • 優點：適應局部亮度變化。
   • 缺點：無法處理全局對比度極低的圖像（需結合其他預處理）。

使用示例

import numpy as np
import cv2img = cv2.imread('1.png')
img1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 將圖片轉換為灰度圖
img2 = cv2.adaptiveThreshold(img1,250,  # 設定閾值，越大越亮cv2.ADAPTIVE_THRESH_MEAN_C,  # 選擇方法，這里選擇均值cv2.THRESH_BINARY,  # 選擇二值化方法3,  # 鄰域大小, 越大越模糊, 奇數，通常為3或51) # C值，越大越亮，通常為1
cv2.imshow('image', img2)
cv2.waitKey(0)

---

示例效果

---

---