【第11节】OpenCV图像阈值
目标
1、简单阈值
与名字一样，这种方法非常简单。但像素值高于阈值时，我们给这个像素赋予一个新值(可能是白色),否则我们给它赋予另外-种颜色(也许是黑色)。这个函数就是CV2.threshhold()。这个函数的第-个参数就是原图像，原图像应该是灰度图。第二个参数就是用来对像素值进行分类的阈值。第三个参数就是当像素值高于(有时是小于)阈值时应该被赋予的新的像素值。OpenCV提供了多种不同的阈值方法，这是有第四个参数来决定的。首先介绍简单阈值函数：CV2.threshold(src, thresh, maxval, type[, dst])，返回值为retval, dst，其中：
src是灰度图像
thresh是起始阈值
maxval是最大值
type是定义如何处理数据与阈值的关系。有以下几种：
另外的取值为：
CV2.THRESH_OTSU使用最小二乘法处理像素点，而CV2.THRESH_TRIANGLE使用三角算法处理像素点。一般情况下，CV2.THRESH_OTSU适合双峰图。CV2.THRESH_TRIANGLE适合单峰图。单峰图或者双峰图指的是灰度直方图。
下面举个例子：
运行结果如下：
2、自适应阈值
在前面的部分我们使用是全局阈值，整幅图像采用同一个数作为阈值。当时这种方法并不适应与所有情况，尤其是当同一幅图像.上的不同部分的具有不同亮度时。这种情况下我们需要采用自适应阈值。此时的阈值是根据图像上的每一个小区域计算与其对应的阈值。因此在同一幅图像上的不同区域采用的是不同的阈值，从而使我们能在亮度不同的情况下得到更好的结果。
这种方法需要我们指定三个参数，返回值只有一个。
●Adaptive Method-指定计算阈值的方法。
- CV2.ADPTIVE THRESH_ MEAN C:阈值取自相邻区域的平
均值
- CV2.ADPTIVE THRESH GAUSSIAN _C: 阈值取值相邻区域的加权和，权重为一个 高斯窗口。
●Block Size -邻域大小(用来计算阈值的区域大小)。
●C-这就是是一个常数，阈值就等于的平均值或者加权平均值减去这个常
数。
我们使用下面的代码来展示简单阈值与自适应阈值的差别:
结果：
3、Otsu's二值化
在第一部分中我们提到过retVal,当我们使用Otsu二值化时会用到它。那么它到底是什么呢?
在使用全局阈值时，我们就是随便给了一个数来做阈值，那我们怎么知道我们选取的这个数的好坏呢?答案就是不停的尝试。如果是一副双峰图像(简单来说双峰图像是指图像直方图中存在两个峰)呢?我们岂不是应该在两个峰之间的峰谷选一个值作为阈值?这就是Otsu二值化要做的。简单来说就是对一副双峰图像自动根据其直方图计算出-个阈值。(对于非双峰图像，这种方法得到的结果可能会不理想)。
这里用到到的函数还是CV2.threshold(),但是需要多传入一个参数( flag ): CV2.THRESH_ _OTSU。 这时要把阈值设为0。然后算法会找到最优阈值,这个最优阈值就是返回值retVal。 如果不使用Otsu二值化，返回的retVal值与设定的阈值相等。
下面的例子中，输入图像是一副带有噪声的图像。第一种方法，我们设127为全局阈值。第二种方法，我们直接使用Otsu二值化。第三种方法，我们首先使用一个5x5的高斯核除去噪音，然后再使用Otsu二值化。看看噪音去除对结果的影响有多大吧。
显示结果：
高斯模糊或者说高斯滤波（高斯核）对图像进行滤波处理的一大特点就是对中心点邻域像素值进行‘加权平均’后将值赋予中心像素点，这里便用到了权重矩阵，该矩阵就是基于二维高斯函数（概率密度函数）得到的。
