网站建设 北京昌平搜索引擎优化的各种方法
【1】引言
前序我们已经掌握分解图像的通道，设置各个通道的RGB值，相关文章包括且不限于：
python学opencv|读取图像（十四）BGR图像和HSV图像通道拆分-CSDN博客
python学opencv|读取图像（十五）BGR图像和HSV图像通道合并_bgr hsv-CSDN博客
也学会了对于较为简单的灰度图像进行像素操作：
python学opencv|读取图像（六）读取图像像素RGB值_python 获取图片像素点颜色-CSDN博客
python学opencv|读取图像（九）用numpy创建黑白相间灰度图_numpy生成全黑图片-CSDN博客
python学opencv|读取图像（十）用numpy创建彩色图像_python numpy图像-CSDN博客
有时候，如果我们想粗犷一些处理像素，也就是把图像的像素约束在某一些范围内，也就是做阈值限定，这时候就要在先前的学习基础上，应用一个新的函数：cv2.threshold()。
【2】官网教程
点击下方连链接，直达官网教程：
OpenCV: Miscellaneous Image Transformations
在这里，将会看到对 cv2.threshold()函数的说明：
图1
这里的参数意义为：
double cv::threshold ( InputArray src, #输入图像
OutputArray dst, #输出图像
double thresh, #阈值下限-阈值开关
double maxval, #阈值上限
int type ) #阈值处理类型，暂不是重点，无需关注
需要说明的是，一旦达到阈值下限，图像的RGB值会直接等于阈值上限；而未达到阈值下限时，图像的RGB值会直接等于0。
所以，这个阈值下限，本身孩子一个阈值开关，大于它的都取上限，小于它的都是0.
【3】代码测试
【3.1】代码
为了测试这个阈值的效果，我们做一下代码测试。
首先引入图像：
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('scasrcf.png',0)
dst=src#输出图像这里直接把输入图像转化为灰度图像了。
然后是调用cv2.threshold()函数，尝试不同的阈值类型：
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY) #阈值开关58，阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY) #阈值开关100，阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY) #阈值开关0，阈值上限255
之后就是对这些阈值函数进行效果输出和保存：
#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#保存图像
cv.imwrite('srcf-m.png', dst) # 保存图像
cv.imwrite('srcf-m-t1.png', dst1) # 保存图像
cv.imwrite('srcf-m-t2.png', dst2) # 保存图像
cv.imwrite('srcf-m-t3.png', dst3) # 保存图像
cv.waitKey() # 图像不会自动关闭
cv.destroyAllWindows() # 释放所有窗口【3.2】效果
为了分辨清楚图像效果，首先我们看原图：
图2 原图
读取图像后转化的灰度图为：
图3 灰度图
然后是阈值开关58，阈值上限158的转换效果：
图4 阈值开关58，阈值上限158
然后是阈值开关100，阈值上限255的转换效果：
图5 阈值开关100，阈值上限255
然后是阈值开关0，阈值上限255：
图6 阈值开关0，阈值上限255
实际上，图6不是纯白色图片，因为还有一些RGB=0的位置，所以图6中有一些零零散散的黑色线条。
【4】细节说明
调用cv2.threshold()函数时，应该按照下述形式：
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY)
这里的t1不可少，可以暂时理解为：为了把各个未知的RGB值转换为0或者阈值上限，t1是一个中间过渡值。
【5】总结
掌握了python+opencv获得阈值处理图像，也就是限定像素图像的技巧。