计算机视觉 / 系统课时

使用固定阈值

使用固定阈值

固定阈值把每个像素与同一个阈值比较,再按选定模式重写像素值。本节用可重复的灰度数组演示五种常用模式,并说明它们在二值化、截断和保留亮部或暗部时的差异。

学习目标

  • 掌握 cv2.threshold 的返回值和参数含义
  • 区分普通、反向、截断与保留类阈值模式
  • 根据输出目标选择合适的固定阈值方式

固定阈值的核心规则

cv2.threshold(src, thresh, maxval, type) 返回两个值:实际使用的阈值和处理后的图像。固定阈值模式下,thresh 就是传入值;maxval 主要影响二值化模式。

对阈值 127 而言,OpenCV 判断条件是“像素值大于 127”。等于 127 的像素走另一分支,这一点在边界测试时很重要。

五种固定阈值模式的输入输出映射

可运行示例

下面使用固定的一组灰度值,可以直接看到阈值两侧以及等于阈值时的输出差异。

python
import cv2
import numpy as np

src = np.array([[30, 90, 127, 128, 180, 240]], dtype=np.uint8)

modes = {
    'BINARY': cv2.THRESH_BINARY,
    'BINARY_INV': cv2.THRESH_BINARY_INV,
    'TRUNC': cv2.THRESH_TRUNC,
    'TOZERO': cv2.THRESH_TOZERO,
    'TOZERO_INV': cv2.THRESH_TOZERO_INV,
}

for name, mode in modes.items():
    used, dst = cv2.threshold(src, 127, 255, mode)
    print(f'{name}: threshold={used:.1f}, values={dst.tolist()[0]}')

预期输出:

text
BINARY: threshold=127.0, values=[0, 0, 0, 255, 255, 255]
BINARY_INV: threshold=127.0, values=[255, 255, 255, 0, 0, 0]
TRUNC: threshold=127.0, values=[30, 90, 127, 127, 127, 127]
TOZERO: threshold=127.0, values=[0, 0, 0, 128, 180, 240]
TOZERO_INV: threshold=127.0, values=[30, 90, 127, 0, 0, 0]

这个输出也说明:THRESH_TRUNC 不产生二值图,它只是把超过阈值的像素压到阈值;THRESH_TOZERO 和 THRESH_TOZERO_INV 则会保留一侧的原始灰度。

模式怎么选

模式 大于阈值时 不大于阈值时 常见用途
THRESH_BINARY maxval 0 提取亮区域
THRESH_BINARY_INV 0 maxval 提取暗区域
THRESH_TRUNC 阈值 原值 压制过亮像素
THRESH_TOZERO 原值 0 保留亮部灰度
THRESH_TOZERO_INV 0 原值 保留暗部灰度

如果目标是得到前景掩膜,优先考虑普通或反向二值化;如果还需要保留通过筛选的原始灰度信息,使用 TOZERO 类模式更合适。

什么时候固定阈值会失效

固定阈值适合光照较稳定、前景和背景灰度差异明显的图像。若同一张图左侧很暗、右侧很亮,一个全局阈值往往无法同时兼顾两侧,此时应考虑自适应阈值或先做光照校正。

固定阈值真正要确定的不是“哪个常数最好”,而是输出规则是否符合任务目标。先选对模式,再在代表性样本上调整阈值,能比反复试数值更快得到稳定结果。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

使用固定阈值

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通