二值化函数

函数：cv2.threshold(img, thresh, maxVal, thresholdType)

功能

将一个灰度图变为二值图像（即由0-255变为0-1）
实现方式：选取全局阈值，将整幅图像分成二值图像。如果像素值大于阈值，则为其分配0或者1，否则为其分配另一个值

参数

img：灰度图
thresh：阈值
maxVal：最大值（也有可能是最小值看，参数四的分割方式）
thresholdType：分割方式主要包括

• cv2.THRESH_BINARY：如果像素值大于阈值，则将其设置为最大值；否则，将其设置为0。
• cv2.THRESH_BINARY_INV：如果像素值大于阈值，则将其设置为0；否则，将其设置为最大值。
• cv2.THRESH_TRUNC：如果像素值大于阈值，则将其设置为阈值；否则，保持不变。
• cv2.THRESH_TOZERO：如果像素值大于阈值，则保持不变；否则，将其设置为0。
• cv2.THRESH_TOZERO_INV：如果像素值大于阈值，则将其设置为0；否则，保持不变。

返回值

分割后的图像

应用

抠图，可以通过该方法选择出自己需要的图像

例子

import cv2
import matplotlib.pyplot as plt
ret,thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
plt.subplot(121)
plt.imshow(img_gray,cmap='gray')
plt.subplot(122)
plt.imshow(thresh1,cmap='gray')

自适应二值化函数

函数
dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

功能

将一个灰度图变为二值图像（即由0-255变为0-1）
实现方式：自动选取全局阈值，将整幅图像分成二值图像。如果像素值大于阈值，则为其分配0或者1，否则为其分配另一个值

参数

src：输入图像，应该是灰度图像。
maxValue：当像素值大于（或小于，取决于阈值类型）阈值时，所赋予的最大值。
adaptiveMethod：自适应阈值方法，有两种选择：
cv2.ADAPTIVE_THRESH_MEAN_C：使用邻域块的平均值作为阈值。
cv2.ADAPTIVE_THRESH_GAUSSIAN_C：使用邻域块的加权和作为阈值，权重由高斯窗口确定。
thresholdType：阈值类型，决定了如何应用阈值。常见的类型有：
cv2.THRESH_BINARY：如果像素值大于阈值，则将其设置为最大值；否则，将其设置为0。
cv2.THRESH_BINARY_INV：如果像素值大于阈值，则将其设置为0；否则，将其设置为最大值。
blockSize：邻域块的大小，必须是奇数。
C：一个常数，用于调整阈值。通常设置为0。

返回值

返回图案

应用

例子

img=cv2.imread("imge.jpg",0)
th2 = cv2.adaptiveThreshold(
    img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 4)
th3 = cv2.adaptiveThreshold(
    img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 17, 6)
th4 = cv2.adaptiveThreshold(
    img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 3, 6)
plt.subplot(141), plt.imshow(img, cmap='gray')
plt.subplot(142), plt.imshow(th2, cmap='gray')
plt.subplot(143), plt.imshow(th3, cmap='gray')
plt.subplot(144), plt.imshow(th4, cmap='gray')
plt.show()

腐蚀函数

dst = cv2.erode(src, kernel, iterations)

功能

主要用于消除图像中的噪声和细小物体。

参数

src：输入图像。
kernel：腐蚀操作的核，通常是一个小的矩形或椭圆形结构元素。
iterations：腐蚀操作的迭代次数，默认为1。
返回值：

返回值

返回处理后的图案

应用

消除图案中的噪声

例子

ret = np.ones((5,5), dtype=np.uint8)
img=cv2.imread("sudoku.jpg",0)
ret = np.ones((5,5),dtype=np.uint8)
# dilation = cv2.dilate(img, ret)  
erosion = cv2.erode(img, ret)
# dil = cv2.cvtColor(dilation, cv2.COLOR_BGR2RGB)
ero = cv2.cvtColor(erosion, cv2.COLOR_BGR2RGB)
plt.subplot(121)
plt.imshow(img, cmap='gray')
plt.title('Original Image')
plt.axis('off')
plt.subplot(122)
plt.imshow(ero, cmap='gray')
plt.title('Eroded Image')
plt.axis('off')
plt.show()

膨胀函数

dst = cv2.dilate(src, kernel, iterations)

功能

用于扩大图像中的白色区域（高亮部分

参数

src：输入图像。
kernel：膨胀操作的核，通常是一个小的矩形或椭圆形结构元素。
iterations：膨胀操作的迭代次数，默认为1。

返回值

处理后的图案

例子

ret = np.ones((5,5), dtype=np.uint8)
img=cv2.imread("sudoku.jpg",0)
ret = np.ones((5,5),dtype=np.uint8)
dilation = cv2.dilate(img, ret)  
# erosion = cv2.erode(img, ret)
dil = cv2.cvtColor(dilation, cv2.COLOR_BGR2RGB)
# ero = cv2.cvtColor(erosion, cv2.COLOR_BGR2RGB)
plt.subplot(121)
plt.imshow(img, cmap='gray')
plt.title('Original Image')
plt.axis('off')
plt.subplot(122)
plt.imshow(dil, cmap='gray')
plt.title('Eroded Image')
plt.axis('off')
plt.show()

仿射变换函数

dst = cv2.warpAffine(src, M, dsize, flags, borderMode, borderValue)

功能

进行变换，保持二维平面上的直线和平行线

参数

src：输入图像。
M：2x3的仿射变换矩阵。
dsize：输出图像的大小。
flags：插值方法，默认为 cv2.INTER_LINEAR。
borderMode：边界像素模式，默认为 cv2.BORDER_CONSTANT。
borderValue：边界值，默认为0。

返回值

处理后的图案## 应用

例子

import cv2
import numpy as np
# 读取灰度图像
img = cv2.imread('sudoku.jpg', 0)
# 创建仿射变换矩阵
M = np.float32([[1, 0, 100], [0, 1, 50]])
# 应用仿射变换
affine = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))
# 显示结果
plt.subplot(121)
plt.imshow(img, cmap='gray')
plt.title('Original Image')
plt.axis('off')
plt.subplot(122)
plt.imshow(affine, cmap='gray')
plt.title('Eroded Image')
plt.axis('off')
plt.show()

透视变换函数

dst = cv2.warpPerspective(src, M, dsize, flags, borderMode, borderValue)

功能

将图像投影到一个新的视点

参数

src：输入图像。
M：3x3的透视变换矩阵。
dsize：输出图像的大小。
flags：插值方法，默认为 cv2.INTER_LINEAR。
borderMode：边界像素模式，默认为 cv2.BORDER_CONSTANT。
borderValue：边界值，默认为0。

返回值

变换后的图案

例子

import cv2
import numpy as np

# 读取灰度图像
img = cv2.imread('sudoku.jpg', 0)

# 创建透视变换矩阵
M = np.float32([[1, 0, 100], [0, 1, 50], [0, 0, 1]])

# 应用透视变换
perspective = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0]))

# 显示结果
plt.subplot(121)
plt.imshow(img, cmap='gray')
plt.title('Original Image')
plt.axis('off')
plt.subplot(122)
plt.imshow(perspective, cmap='gray')
plt.title('Eroded Image')
plt.axis('off')
plt.show()