圖像分割有多種形式。 聚類、壓縮、邊緣檢測、區域增長、圖分區、分水嶺等等；（Clustering. Compression. Edge detection. Region-growing.
Graph partitioning. Watershed. The list goes on.）

但是最開始只有最基本的一種：就是本文中介紹的 threholding 閾值化
一定要嘗試設置thresh，因為它會根據您提供的thresh值給出不同的結果。

參考：Thresholding: Simple Image Segmentation using OpenCV

cv2.threhold 函數簽名： （T，threshImage）= cv2.threshold（src，thresh，maxval，type）參數：- src：源圖像，或我們要對其執行閾值處理的圖像。此圖像應為灰度。 - thresh：閾值，用于對灰度圖像中的像素強度進行分類。 - maxval：方法種用到的閾值； - type： 要使用的閾值方法。可以為：cv2.THRESH_BINARY cv2.THRESH_BINARY_INV  cv2.THRESH_TRUNC    cv2.THRESH_TOZERO  cv2.THRESH_TOZERO_INV1.  cv2.THRESH_BINARY    超過閾值的像素設置為maxVal，不超過的設置為02.  cv2.THRESH_BINARY_INV  1的反轉（不超過閾值的像素設置為maxVal，超過的設置為0）3.  cv2.THRESH_TRUNC   超過閾值的設為thresh4.  cv2.THRESH_TOZERO  低于閥值的設為05.  cv2.THRESH_TOZERO_INV   (低于閥值的設為maxVal）返回值：- T： 用于閾值化的值，同thresh- threshImage： 閾值化后生成的圖像

原圖：

# python threshold.py --image images/skateboard_decks.png --threshold 245
import argparse
import cv2# --image 是我們要閾值的圖像的路徑。
# --threhold 是將要傳遞到cv2.threshold的閾值
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,help="Path to the image to be thresholded")
ap.add_argument("-t", "--threshold", type=int, default=128,help="Threshold value")
args = vars(ap.parse_args())
# 加載圖片并灰度化【 轉換為灰度，期望一個單通道圖像。】
image = cv2.imread(args["image"])
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 定義我們的閾值方法列表
methods = [("THRESH_BINARY", cv2.THRESH_BINARY),("THRESH_BINARY_INV", cv2.THRESH_BINARY_INV),("THRESH_TRUNC", cv2.THRESH_TRUNC),("THRESH_TOZERO", cv2.THRESH_TOZERO),("THRESH_TOZERO_INV", cv2.THRESH_TOZERO_INV)]
# 遍歷閾值方法
for (threshName, threshMethod) in methods:#  將255（白色）作為閾值測試時的值作為第三個參數(T, thresh) = cv2.threshold(gray, args["threshold"], 255, threshMethod)cv2.imshow(threshName, thresh)cv2.waitKey(0)

總結

以上是生活随笔為你收集整理的cv2.threshold() 阈值：使用Python,OpenCV进行简单的图像分割的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。