目錄

一、邊界填充（Border Padding）

1. 常見填充類型及效果

2.代碼示例

（1）constant邊界填充，填充指定寬度的像素

（2）REFLECT鏡像邊界填充

（3）REFLECT_101鏡像邊界填充改進

(4)?REPLICATE使用最邊界的像素值代替

?(5)WRAP上下左右邊依次替換

二、閾值處理

1. 常見閾值類型

2. 代碼示例

3.結果分析與參數調整技巧

---

在 OpenCV 圖像處理中，邊界填充和閾值處理是基礎且常用的操作。邊界填充用于擴展圖像邊緣，閾值處理則通過設定閾值將圖像轉化為二值圖像，便于后續分析。下面詳細介紹這兩項技術。

一、邊界填充（Border Padding）

邊界填充指在圖像邊緣添加像素，常用于卷積操作、圖像拼接等場景，避免邊緣信息丟失。OpenCV 通過cv2.copyMakeBorder()實現，語法如下：

cv2.copyMakeBorder(src, top, bottom, left, right, borderType, value)

• src：輸入圖像
• top/bottom/left/right：上下左右填充的像素數
• borderType：填充類型（核心參數）
• value：當borderType=cv2.BORDER_CONSTANT時的填充值

1. 常見填充類型及效果

2.代碼示例

（1）constant邊界填充，填充指定寬度的像素

import cv2ys = cv2.imread('a.png')  # 讀取原圖，每個邊界填充都需要在原圖的基礎上完成，所以在使用時要先讀取原圖，把原圖作為參數傳入下面的方法中
ys = cv2.resize(ys,(300,300))  # 圖片縮放
top, bottom, left, right = 50, 50, 50, 50
constant = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_CONSTANT, value=(229, 25, 80))
cv2.imshow('yuantu', ys)
cv2.waitKey(0)
cv2.imshow('CONSTANT', constant)
cv2.waitKey(0)

運行效果如下：

（2）REFLECT鏡像邊界填充

原圖代碼與上述相同不再展示，只展示變化部分

reflect = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT)
cv2.imshow('REFLECT', reflect)
cv2.waitKey(0)

運行效果：

（3）REFLECT_101鏡像邊界填充改進

reflect101 = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT101)
cv2.imshow('REFLECT_101', reflect101)
cv2.waitKey(0)

效果：

(4)?REPLICATE使用最邊界的像素值代替

replicate = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REPLICATE)
cv2.imshow('REPLICATE', replicate)
cv2.waitKey(0)

效果：

?(5)WRAP上下左右邊依次替換

wrap = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_WRAP)
cv2.imshow('WRAP', wrap)
cv2.waitKey(0)

效果：

邊界填充是 OpenCV 圖像處理中的基礎操作，掌握不同填充方式的特點和適用場景，有助于提升后續圖像處理（如卷積、特征提取）的效果。本文介紹的 5 種填充方式各有優劣，實際使用時需結合具體業務場景靈活選擇。

二、閾值處理

閾值處理是將灰度圖像轉化為二值圖像的過程：通過設定閾值thresh，將像素值大于thresh的設為一個值（如 255），小于的設為另一個值（如 0）。OpenCV 中cv2.threshold()是核心函數：

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

• src：輸入圖像（需為單通道灰度圖）
• thresh：閾值（如 127）
• maxval：最大值（當像素超過閾值時賦予的值）
• type：閾值類型（核心參數）
• ret：返回的閾值（與輸入 thresh 一致）
• dst：處理后的圖像

1. 常見閾值類型

圖像通道及表示知識補充：

一張灰色圖片上有許許多多的像素塊，每個像素塊都有一個數值，這個數值的取值范圍時[0 ~ 255],數值越小顏色越暗越黑，數值越大顏色越亮表現為越白。

彩色圖片則有三個通道RGB,針對每一個通道都有一個對應的值，以上面介紹邊界填充的value為例，value=(229,25,80)，需要注意，在opencv中通道的順序為BGR，也就是B=229,G=25,R=80.分別是英文的縮寫，藍色（blue）綠色(green)紅色(red).

上面的閾值也是指一個在0~255之間的值。

2. 代碼示例

1.二進制閾值處理

import cv2# 讀取圖像并調整大小
img = cv2.imread('a.png')
img = cv2.resize(img, (400, 400))# 二進制閾值處理: 像素值 > 175 設為255，否則設為0
ret, result = cv2.threshold(img, 175, 255, cv2.THRESH_BINARY)# 顯示原圖和處理結果
cv2.imshow('original', img)
cv2.waitKey(0)
cv2.imshow('binary', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下：

2.反二進制閾值處理

import cv2# 讀取圖像并調整大小
img = cv2.imread('a.png')
img = cv2.resize(img, (400, 400))# 反二進制閾值處理: 像素值 > 175 設為0，否則設為255
ret, result = cv2.threshold(img, 175, 255, cv2.THRESH_BINARY_INV)# 顯示原圖和處理結果
cv2.imshow('original', img)
cv2.waitKey(0)
cv2.imshow('binary_inv', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下：

3.零閾值處理

import cv2# 讀取圖像并調整大小
img = cv2.imread('a.png')
img = cv2.resize(img, (400, 400))# 零閾值處理: 像素值 > 175 保持原值，否則設為0
ret, result = cv2.threshold(img, 175, 255, cv2.THRESH_TOZERO)# 顯示原圖和處理結果
cv2.imshow('original', img)
cv2.waitKey(0)
cv2.imshow('tozero', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下：

4.反零閾值處理

import cv2# 讀取圖像并調整大小
img = cv2.imread('a.png')
img = cv2.resize(img, (400, 400))# 反零閾值處理: 像素值 > 175 設為0，否則保持原值
ret, result = cv2.threshold(img, 175, 255, cv2.THRESH_TOZERO_INV)# 顯示原圖和處理結果
cv2.imshow('original', img)
cv2.waitKey(0)
cv2.imshow('tozero_inv', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下：

5.截斷閾值處理

import cv2# 讀取圖像并調整大小
img = cv2.imread('input.png')
img = cv2.resize(img, (400, 400))# 截斷閾值處理: 像素值 > 175 設為175，否則保持原值
ret, result = cv2.threshold(img, 175, 255, cv2.THRESH_TRUNC)# 顯示原圖和處理結果
cv2.imshow('original', img)
cv2.waitKey(0)
cv2.imshow('trunc', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下：

3.結果分析與參數調整技巧

1. 閾值選擇的影響：

   • 閾值過高（如 180）：可能丟失目標細節，暗區域過大
   • 閾值過低（如 50）：可能保留過多噪聲，目標與背景混淆
   • 建議：通過觀察圖像直方圖（cv2.calcHist()）確定合適閾值

2. 彩色圖 vs 灰度圖：

   • 直接對彩色圖處理時，閾值會分別作用于 B、G、R 三個通道，可能導致顏色失真
   • 推薦先轉為灰度圖（cv2.COLOR_BGR2GRAY），再進行閾值處理，效果更穩定

? ? ?3.適用場景總結：

閾值處理是圖像處理中的基礎工具，掌握 5 種常用閾值類型的特點和適用場景，能幫助我們快速簡化圖像、突出目標。實際應用中，需根據圖像特點（如光照、對比度）選擇合適的閾值類型和參數，必要時結合自適應閾值提升效果。