009 OpenCV 二值化 threshold_代码007(未授权)

在机器视觉应用中，OpenCV的二值化函数 threshold具有不可忽视的作用。主要的功能是将一幅灰度图进行二值化处理，以此大幅降低图像的数据量，从而突显出目标的轮廓。

具体来说，函数 threshold 可以将图像上的像素根据阈值划分为两类：大于或等于阈值的像素值被赋为最大值（或最大灰度值），而小于阈值的像素值则被赋为最小值（或最小灰度值）。这样的操作对于后续的特征提取和图像分析极为重要。例如，我们可以通过设定不同的阈值来对图像进行不同程度的二值化处理，以适应不同的应用场景。

然而，虽然threshold 函数在机器视觉应用中有着广泛的应用，但其也存在一些缺点。例如，它只能处理单通道的图像，即灰度图像，而不能直接处理彩色图像。此外，选择合适的阈值也是一项挑战，因为如果阈值选择不当，可能会导致图像信息的丢失或者噪声的增加。

总的来说，OpenCV中的二值化函数threshold在机器视觉应用中扮演着重要角色，能够有效地简化图像数据并突出目标特征。但同时我们也需要注意其存在的一些局限性，如仅支持灰度图像以及阈值选择的困难等。

cv2.threshold(src, thresh, maxval, type)

from __future__ import print_function
import cv2 as cv
import argparse

max_value = 255
max_type = 4
max_binary_value = 255
# 这里有5种二值化算法，在gui界面使用滑条选择
trackbar_type = 'Type: n 0: Binary n 1: Binary Inverted n 2: Truncate n 3: To Zero n 4: To Zero Inverted'
trackbar_value = 'Value'
window_name = 'Threshold Demo'
# 二值化
def Threshold_Demo(val):
    #0: Binary
    #1: Binary Inverted
    #2: Threshold Truncated
    #3: Threshold to Zero
    #4: Threshold to Zero Inverted
    threshold_type = cv.getTrackbarPos(trackbar_type, window_name)
    threshold_value = cv.getTrackbarPos(trackbar_value, window_name)
    _, dst = cv.threshold(src_gray, threshold_value, max_binary_value, threshold_type )
    cv.imshow(window_name, dst)
parser = argparse.ArgumentParser(description='Code for Basic Thresholding Operations tutorial.')
parser.add_argument('--input', help='Path to input image.', default='data/stuff.jpg') # 读取图片
args = parser.parse_args()
src = cv.imread(cv.samples.findFile(args.input))
if src is None:
    print('Could not open or find the image: ', args.input)
    exit(0)
# 彩色图转灰度图
src_gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
cv.namedWindow(window_name)
# 创建滑条
cv.createTrackbar(trackbar_type, window_name , 3, max_type, Threshold_Demo)
cv.createTrackbar(trackbar_value, window_name , 0, max_value, Threshold_Demo)
Threshold_Demo(0)
cv.waitKey()