opencv-python：12_图像阈值（二值化、固定阈值、自适应阈值、Otsu二值化、cv2.threshold，cv2.adaptiveThreshold）

最新推荐文章于 2026-06-30 09:11:54 发布

原创

最新推荐文章于 2026-06-30 09:11:54 发布 · 4.7k 阅读

图像阈值

固定阈值，自适应阈值，Otsu 二值化等
相关函数： cv2.threshold，cv2.adaptiveThreshold 等。
全局阈值和局部阈值

一、图像二值化

定义：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。
灰度值0：黑，灰度值255：白
一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

二、固定阈值

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一种颜色（也许是黑色）。这个函数就是：

cv2.threshold(img, threshold, maxval,type)

参数解释：
- img就是原图像，原图像应该是灰度图
- threshold是设定的阈值，就是用来对像素值进行分类的阈值
- maxval是当灰度值大于（或小于）阈值时将该灰度值赋成的值
- type规定的是当前二值化的方式

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。这些方法包括：

cv2.THRESH_BINARY
- 二值化阈值，大于阈值的部分被置为255，小于部分被置为0
cv2.THRESH_BINARY_INV
- 反向二值化阈值，大于阈值部分被置为0，小于部分被置为255
cv2.THRESH_TRUNC
- 截断阈值化，大于阈值部分被置为threshold，小于部分保持原样
cv2.THRESH_TOZERO
- 小于阈值部分被置为0，大于部分保持不变
cv2.THRESH_TOZERO_INV
- 大于阈值部分被置为0，小于部分保持不变

import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread('cat.jpg',0)
ret,thresh1=cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret,thresh2=cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3=cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret,thresh4=cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret,thresh5=cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)

titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

plt.figure(figsize = (20, 10))
for i in range(6):
    plt.subplot(2,3,i+1)
    plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
    
plt.show()

三、自适应阈值

在图像阈值化操作中，更关注的是从二值化图像中，分离目标区域和背景区域，但是仅仅通过设定固定阈值很难达到理想的分割效果。

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。
自适应阈值，则是根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值。这样做的好处：
- 每个像素位置处的二值化阈值不是固定不变的，而是由其周围邻域像素的分布来决定的。
- 亮度较高的图像区域的二值化阈值通常会较高，而亮度低的图像区域的二值化阈值则会相适应的变小。
- 不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。
- 适合处理光照不均的图像。
adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType, bolckSize, C)
- Adaptive