目录

1. 介绍

2. 灰度切割代码实现

3. 阈值处理

1. 介绍

灰度切割：增强特定范围的对比度，突出图像中特定范围的亮度（灰度级分层也叫灰度切割）

实现灰度切割的方法有很多种，但基本的方法就两种，其余的方法都是这两个方法的变体

1. 将感兴趣范围内的灰度值全部映射成为一个值（如白色），将其余的灰度值显示为另一个颜色（如黑色），产生一个二值图像
2. 将感兴趣的灰度值变亮，保持其余的灰度值不变

对应的映射函数为：

灰度切割的特殊使用：阈值处理

将感兴趣的物体从背景中分离出来，也叫二值化处理，是第一种方法的变体

2. 灰度切割代码实现

这次没有采用for循环的方式去遍历每个像素点

x[:,:] > a 代表x所有行所有列中大于a的点的位置会为True，再将结果传入自身的坐标中就能找到满足两个阈值中间的点，将这些点替换为255即可

import cv2
import numpy as np

def transform1(x):
    a , b = 150 , 240    #  定义两个阈值，中间部分变换为255
    dst = x.copy()
    dst[(x[:,:] >= a) & (x[:,:] <= b)] = 255        # 中间变换为255
    dst[(x[:,:] <  a) | (x[:,:] >  b)] = 0          # 其余的变换为0
    return dst

def transform2(x):
    a , b = 150 , 240    #  定义两个阈值，中间部分变换为255
    dst = x.copy()
    dst[(x[:,:] >= a) & (x[:,:] <= b)] = 255     # 中间变换255，其余的不变
    return dst

gray = cv2.imread('./img.png',0)

dst1 = transform1(gray)
dst2 = transform2(gray)
cv2.imshow('img',np.hstack((gray,dst1,dst2)))
cv2.waitKey()
cv2.destroyAllWindows()

输出结果

3. 阈值处理

灰度切割的特殊使用是阈值处理，opencv中包含了threshold函数对图像进行阈值处理

语法如下：retval，dst = cv2.threshold(src , thresh , maxval , type)

ret val（return value）：处理时采用的阈值大小

dst ：处理后的图像

src ： 处理前的图像

maxval（max val）：产生二值图像后，阈值处理后输出的值，另一个默认是0。例如小于150的输出0，其余的就是这个maxval（一般是255）

type ： 阈值处理的类型，有如下的几种类型

代码：

import cv2
import numpy as np

a = np.arange(0,256).reshape(1,-1).astype(np.uint8) # 0-255
img = cv2.resize(a,(800,100),interpolation=cv2.INTER_AREA)    #  创建渐变图像

ret1,img1 = cv2.threshold(img,200,255,cv2.THRESH_BINARY) # 二值化阈值处理
ret2,img2 = cv2.threshold(img,200,255,cv2.THRESH_BINARY_INV) # 反二值化阈值处理
ret3,img3 = cv2.threshold(img,200,255,cv2.THRESH_TOZERO) # 低于阈值零处理
ret4,img4 = cv2.threshold(img,200,255,cv2.THRESH_TOZERO_INV) # 超出阈值零处理
ret5,img5 = cv2.threshold(img,200,255,cv2.THRESH_TRUNC) # 截断阈值处理

cv2.imshow('img',np.vstack((img,img1,img2,img3,img4,img5)))
cv2.waitKey()
cv2.destroyAllWindows()

 处理结果：