openCV+python 采用滑动条实现动态全局阈值分割

全局阈值（又称简单阈值）

顾名思义，整幅图像采用一个阈值，当某一点像素值大于阈值时，赋予该点一个新值，否则就赋予另外一种值。采用函数cv2.threshold()实现。

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

参数：

1. src:输入的图像
2. thresh:图像分割所用的阈值（threshold value）
3. maxval:当阈值类型（thresholding type）采用cv2.THRESH_BINARY和cv2.THRESH_BINARY_INV时像素点被赋予的新值
4. type:介绍5种转换方式：

• cv2.THRESH_BINARY（当图像某点像素值大于thresh(阈值)时赋予maxval，反之为0。注：最常用且为默认值）
• cv2.THRESH_BINARY_INV（当图像某点像素值小于thresh时赋予maxval，反之为0）
• cv2.THRESH_TRUNC（当图像某点像素值大于thresh时赋予thresh,反之不变。注：虽然maxval没用了，但是调用函数不能省略）
• cv2.THRESH_TOZERO（当图像某点像素值小于thresh时赋予0，反之不变。注：同上）
• cv2.THRESH_TOZERO_INV（当图像某点像素值大于thresh时赋予0，反之不变。注：同上）

   补：cv2.THRESH_OTSU（该方法自动寻找最优阈值，并返回给retval，见下文。实际使用时配合上述5种转变方式之一，例如：cv2.THRESH_OTSU+cv2.THRESH_BINARY）

返回值：

1. retval:设定的thresh值，或者是通过cv2.THRESH_OTSU算出的最优阈值
2. dst:阈值分割后的图像

下面通过一段代码进行直观认识：

import cv2
import matplotlib.pyplot as plt
#设定阈值
thresh=130
#载入原图，并转化为灰度图像
img_original=cv2.imread('E:\ShannonT\\notebook workspace\\images\\4.24.tudou.png',0)
img_original=cv2.resize(img_original,(0,0),fx=0.3,fy=0.3)
#采用5种阈值类型（thresholding type）分割图像
retval1,img_binary=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY)
retval2,img_binary_invertion=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY_INV)
retval3,img_trunc=cv2.threshold(img_original,thresh,255,cv2.THRESH_TRUNC)
retval4,img_tozero=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO)
retval5,img_tozero_inversion=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO_INV)
#采用plt.imshow()显示图像
imgs=[img_original,img_binary,img_binary_invertion,img_trunc,img_tozero,img_tozero_inversion]
titles=['original','binary','binary_inv','trunc','tozero','tozero_inv']
for i in range(6):
    plt.subplot(2,3,i+1)
    plt.imshow(imgs[i],'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

效果图如下：

下面通过加入滑动条动态改变阈值参数，代码如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt
#载入原图，转化为灰度图像,并通过cv2.resize()等比调整图像大小
img_original=cv2.imread('E:\ShannonT\\notebook workspace\\images\\4.24.tudou.png',0)
img_original=cv2.resize(img_original,(0,0),fx=0.3,fy=0.3)
#初始化阈值，定义全局变量imgs
thresh=130
imgs=0
#创建滑动条回调函数，参数thresh为滑动条对应位置的数值
def threshold_segmentation(thresh):
    #采用5种阈值类型（thresholding type）分割图像
    retval1,img_binary=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY)
    retval2,img_binary_invertion=cv2.threshold(img_original,thresh,255,cv2.THRESH_BINARY_INV)
    retval3,img_trunc=cv2.threshold(img_original,thresh,255,cv2.THRESH_TRUNC)
    retval4,img_tozero=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO)
    retval5,img_tozero_inversion=cv2.threshold(img_original,thresh,255,cv2.THRESH_TOZERO_INV)
    #由于cv2.imshow()显示的是多维数组（ndarray）,因此我们通过np.hstack(数组水平拼接)
    #和np.vstack(竖直拼接)拼接数组，达到同时显示多幅图的目的
    img1=np.hstack([img_original,img_binary,img_binary_invertion])
    img2=np.hstack([img_trunc,img_tozero,img_tozero_inversion])
    global imgs
    imgs=np.vstack([img1,img2])
#新建窗口
cv2.namedWindow('Images')
#新建滑动条，初始位置为130
cv2.createTrackbar('threshold value','Images',130,255,threshold_segmentation)
#第一次调用函数
threshold_segmentation(thresh)
#显示图像
while(1):
    cv2.imshow('Images',imgs)
    if cv2.waitKey(1)==ord('q'):
        break
cv2.destroyAllWindows()

GIF演示如下：

#欢迎关注我的微信公众号