详解Python+OpenCV实现图像二值化

第详解Python+OpenCV实现图像二值化dWindow('img')#这行没啥用控制显示图片窗口的名字

cv2.imshow('img',img)#显示图片

#复制图像矩阵，生成与源图像一样的图像，并显示

myimg2=img.copy();

dWindow('myimg2')#这行没啥用控制显示图片窗口的名字

cv2.imshow('myimg2',myimg2)

#复制并转换为灰度化图像并显示

myimg1=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#灰度值函数

dWindow('myimg1')

cv2.imshow('myimg1',myimg1)#显示灰度处理后的函数

cv2.imwrite('gray.jpg',myimg1)#保存当前灰度值处理过后的文件

cv2.waitKey()#第一个参数是保存文件的名称，必须加jgp，png等的后缀否则报错。第二个参数是保存的对象

cv2.destroyAllWindows()

二、图像二值化(调节阈值)

1.源码一

代码如下（示例）：

importcv2

defnothing():#定义回调函数

pass

defimage_processing(img,Gauss_flag=1,Color_flag=1,Gray_flag=0):#图像预处理

#高斯滤波器平滑图像

ifGauss_flag==1:

img=cv2.GaussianBlur(img,(3,3),0)

#均衡彩色图像的直方图

ifColor_flag==1:

img=cv2.cvtColor(img,cv2.COLOR_BGR2YUV)

#均衡灰度图像的直方图

ifGray_flag==1:

img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#将彩色图像转为灰度图像

img=cv2.equalizeHist(img)

returnimg

defimage_canny(img):#图像边缘检测

#设置窗口

dWindow('Canny')

#创建滑动条，分别控制各个参数

cv2.createTrackbar('threshold1','Canny',50,300,nothing)#阈值1

cv2.createTrackbar('threshold2','Canny',100,300,nothing)#较大的阈值2用于检测图像中明显的边缘

#cv2.createTrackbar('apertureSize','Canny',0,2,nothing)#Sobel算子大小（3,5,7）

cv2.createTrackbar('L2gradient','Canny',0,1,

nothing)#参数(布尔值)：true：使用更精确的L2范数（两个方向的倒数的平方和再开放),false：使用L1范数（直接将两个方向导数的绝对值相加）

while(1):

#返回滑动条所在位置的值

threshold1=cv2.getTrackbarPos('threshold1','Canny')#阈值1

threshold2=cv2.getTrackbarPos('threshold2','Canny')#阈值2

L2gradient=cv2.getTrackbarPos('L2gradient','Canny')#参数

#aperturesize=cv2.getTrackbarPos('apertureSize','Canny')#Sobel算子大小

#size=aperturesize*2+3#Sobel算子大小（3,5,7）

#Canny边缘检测

img_edges=cv2.Canny(img,threshold1,threshold2,L2gradient=L2gradient)

#显示边缘化图像

cv2.imshow('Canny',img_edges)

ifcv2.waitKey(1)==ord('q'):#按q退出

break

elifcv2.waitKey(1)==ord('s'):#按s保存图像到原图像所在目录，命名为output.jpg，再退出!

cv2.imwrite('\\'.join(img_path.split('\\')[:-1])+'\\output.jpg',img_edges)

print("图像成功保存")

break

cv2.destroyAllWindows()

if__name__=="__main__":

img_path=input("请输入图片地址(如E:\\Code\\xx.jpg)：")#输入原图像地址

guass_flag=int(input("是否进行高斯滤波(输入1进行，输入0不进行)："))#输入1为进行高斯滤波，输入0为不进行

color_flag=int(input("是否均衡彩色图像(输入1进行，输入0不进行)："))#输入1为进行彩色图像均衡，输入0为不进行

gray_flag=int(input("是否均衡灰度图像(输入1进行，输入0不进行)："))#输入1为进行灰度图像均衡，输入0为不进行

#载入图像

image=cv2.imread(img_path)

#图像预处理

img=image_processing(image,Gauss_flag=guass_flag,Color_flag=color_flag,Gray_flag=gray_flag)

#显示原图像

cv2.imshow('Original',image)

#显示预处理后图像

cv2.imshow('Pretreatment',img)

#图像边缘检测

image_canny(img)

2.源码二

代码如下（示例）：

importcv2

#载入图片

img_original=cv2.imread(r'E:\py\python3.7\test2\test14yuzhi\cell.png')

#设置窗口

dWindow('Canny')

#定义回调函数

defnothing(x):

pass

#创建两个滑动条，分别控制threshold1，threshold2

cv2.createTrackbar('threshold1','Canny',50,400,nothing)

cv2.createTrackbar('threshold2','Canny',100,400,nothing)

while(1):

#返回滑动条所在位置的值

threshold1=cv2.getTrackbarPos('threshold1','Canny')

threshold2=cv2.getTrackbarPos('threshold2','Canny')

#Canny边缘检测

img_edges=cv2.Canny(img_original