1.影象閾值

#### ret, dst = cv2.threshold(src, thresh, maxval, type)

- src： 輸入圖，只能輸入單通道影象，通常來說為灰度圖
- dst： 輸出圖
- thresh： 閾值
- maxval： 當畫素值超過了閾值（或者小於閾值，根據type來決定），所賦予的值
- type：二值化操作的型別，包含以下5種類型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV

- cv2.THRESH_BINARY      超過閾值部分取maxval（最大值），否則取0
- cv2.THRESH_BINARY_INV  THRESH_BINARY的反轉
- cv2.THRESH_TRUNC      大於閾值部分設為閾值，否則不變
- cv2.THRESH_TOZERO     大於閾值部分不改變，否則設為0
- cv2.THRESH_TOZERO_INV THRESH_TOZERO的反轉
 

import cv2 #opencv讀取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt#Matplotlib是RGB

img=cv2.imread('cat.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 
 
= cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)

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

 
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()

2.平滑處理

1）均值濾波

# 均值濾波
# 簡單的平均卷積操作
img = cv2.imread('lena.jpg')
blur = cv2.blur(img, (3, 3))
cv2.imshow('img', img)
cv2.imshow('blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

2）

# 方框濾波，normalize為TRUE時就和均值濾波一樣
# 基本和均值一樣，可以選擇歸一化,容易越界
box = cv2.boxFilter(img, -1, (3, 3), normalize=False)
cv2.imshow('box', box)

3）

# 高斯濾波
# 高斯模糊的卷積核裡的數值是滿足高斯分佈，相當於更重視中間的
aussian = cv2.GaussianBlur(img, (5, 5), 1)
cv2.imshow('aussian', aussian)

4）

# 中值濾波
# 相當於用中值代替
median = cv2.medianBlur(img, 5)  # 中值濾波
cv2.imshow('median', median)

3.一次性拼接展示多個圖片

# 展示所有的
res = np.hstack((blur, aussian, median))
res2 = np.vstack((blur, aussian, median))
cv2.imshow('median vs average', res)
cv2.imshow('median vs average', res2)