OpenCV - 阈值处理 (二) -自适应阈值

上一篇文章，我们使用的是全局阈值，整副图像采用同一个数作为阈值。但是这种方法并不适用所有情况，尤其是当同一幅图像上的不同部分具有不同亮度时。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自动计算与其对应的阈值。因此在同一副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。

自适应阈值函数

dst=cv.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst])

参数：
　　　src －8位单通道原图像。
　　　dst －与src具有相同大小和相同类型的目标图像
　　　maxValue－与二值化相关的最大值　
　　　adaptiveMethod - 见下文
　　　thresholdType－阈值类型必须是THRESH_BINARY或THRESH_BINARY_INV
　　　blockSize－于计算像素阈值的像素邻域的大小：3,5,7等。
　　　C - 从平均值或加权平均值中减去的常数。通常为正数，但也可能为零或负数。
　　　
关于C:
举个例子：如果使用平均值方法，平均值mean为190，C为10。那么灰度小于180的像素为0，大于等于180的像素为255。

关于adaptiveMethod：
cv2.ADAPTIVE_THRESH_MEAN_C
阈值 T(x,y) 是 (x,y) 的 blockSize×blockSize 邻域的平均值减去 C的值
cv2.ADAPTIVE_THRESH_GAUSSIAN_C
阈值 T(x,y) 是的blockSize×blockSize邻域的加权和减去 C的值。默认的sigma（标准偏差）用于具体的blockSize。

效果图

本文代码全部代码可在本公众号下回复关键词 “代码” ，并在“代码04”文件夹中获取

若要获取更多OpenCV，数字图像处理，python，深度学习，机器学习，计算机视觉等高清PDF以及 更多有意思、实用的分享，可搜一搜 微信公共号 “分享猿” 免费获取资源。也可扫描下面的二维码关注，期待你的到来~