通常有三种类型的阈值处理：简单阈值操作，自适应阈值操作和OTSU阈值操作。OpenCV提供两个功能CV.Threshold和CV.AdaptivEthreshold实施
按照相同的阈值对每个像素进行处理。如果像素值小于阈值值，则将其放置为0，否则将其放置在最大值（当8-bit表示方法的最大值时）255）。
CV.阈值是致力于阈值处理的功能，包括以下参数：
在简单的阈值操作中，我们将全球值用作阈值。但是，这显然不适合大多数情况，例如，图像在不同区域的照明条件不同。在这种情况下，自适应阈值可以帮助我们更好地处理。图片。在自适应算法中，阈值将根据像素周围的小区域确定。对于同一图像的不同区域，我们的阈值不同。对于不同的光图像，我们可以获得更好的结果。
CV.apaptiveThreshold功能用于实现自适应阈值操作。除了上述阈值接受参数外，它还需要提供其他三个参数
在全局阈值处理中，我们使用任意建立的值作为阈值。相反，OTSU方法避免了手动选择，但自动确定。考虑一个图像的图像值（双峰图像），并且它们的直方图仅包含两个峰值值。良好的阈值应位于两个值的中间。相似地，OTSU方法通过图像直方图确定了最佳的全局阈值。
OPENCV为阈值函数提供了一个CV.Thresh_otsu参数，以自动选择适当的阈值来处理双孔灰灰色图形。
让我们看一个例子：
输入图像是噪声图像。在第一种情况下，使用127的使用值的全局阈值分割是分配的。在第二种情况下，在第三种情况下直接应用OTSU的阈值处理。在第三种情况下，首先使用5x5 gaussuuclear过滤以删除噪声，然后应用OTSU阈值。请参阅过滤方法如何改善结果。
一般图像的平滑处理是通过各种过滤器实现的。在这里，我们告诉使用低通滤波和自定义过滤器以实现2D卷积
像一个二维信号一样，图像也可以使用各种低通滤波器（LPF），高通滤波器（HPF）等过滤。LPF有助于消除噪声，模糊图像等。图片。
OPENCV在卷积内核中为图像提供了cv.filter2d（）函数。例如，我们将尝试图像平均过滤器。A5x5平均过滤器内核外观如下：
$ k = frac {1} {25}左[begin {array} {ccccc} 1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆1＆11＆1＆1＆1＆1＆1 end {array} ight] $
特定的操作过程如下：让卷积核中心移至每个像素点。如果某些卷积内核不在图像中，则在填充0填充后计算平均值。
cv.filter2d的参数列表是：
图像模糊是卷积和低通滤波器内核的图像。它可用于消除噪声。它实际上消除了图像中的高频内容（例如：噪声，边缘和实际上更改较大的像素）。因此，在此操作中边缘有些模糊（也有模糊的技术不会模糊边缘）.opencv提供了四种主要模糊技术。
答：Sepatal过滤这是通过卷积进行的卷积和标准化的框过滤器。它仅获得核心区域中所有像素的平均值并替换中心元素。这是由函数cv.blur（）或cv.boxfilter（）实现的。.A 3x3标准化盒过滤器的宽度和高度如下：$ K = frame {1} {9} {9}{大批} ight] $
B.高斯滤波器此方法使用Gaussu Core替换框过滤器。它是用CV.GaussianBlur（）函数完成的。我们应该指定内核的宽度和高度，它们应该是正的。我们还应指定标准X和Y方向的偏差，Sigmax和Sigmay。如果仅指定Sigmax，则认为Sigmay与Sigmax相同。消除高斯噪音。
用法如下：cv.gaussianblur（src，ksize，sigmax [，dst [，sigmay [，bordrtype]]] - > dst
此外，OPENCV还提供CV.GetGaussianKernel（）来创建高斯核心。
用法如下：cv.getgaussiankernel（ksize，sigma [，ktype]） - > retval
C.中间滤波器函数cv.medianblur（）采用核心区域所有像素的中值，并且中心像素值被此中位数取代。这对于图像中的盐和胡椒的噪声非常有效。在上面的滤波器（均值过滤器或高斯滤波器）中，中心元素是一个新计算的值，它可能是图像中的像素值或一个新值。但是，在中间模糊中，中心元素始终被某些替代图像中的像素值。Middle值过滤可以有效地减少噪声。它的内核大小应为正义整数。
D.双边滤波CV.BilateralFilter（）双侧过滤器可以与去除噪声同时保持边缘。高斯平均水平。此高斯滤波器是一个单独的空间函数，即附近的像素被视为过滤。它不考虑像素是否具有几乎相同的强度。它不考虑像素是否是边缘像素。优势，这就是我们不想做的。
空间中还使用了高斯过滤，但是额外的高斯滤波器是像素的函数。空间的高斯功能可确保只有附近的像素被视为模糊，并且具有不同优势的高斯功能可确保只有像素的像素只有像素。因此，中央像素的强度相似。因此，它保留了边缘，因为像素的边缘会具有巨大的强度变化。
用法：cv.Bilatealalter（SRC，D，Sigmacolor，Sigmaspace [，dst [，Bordrtype]] - > DST
原始：https：//juejin.cn/post/7097516997692358686