计算机视觉 / 系统课时
使用固定阈值
使用固定阈值
固定阈值使用同一个数值处理整张图像。OpenCV 的 cv2.threshold 不只有黑白二值模式,还能执行反向二值、截断和保留单侧灰度等操作;关键是弄清阈值两侧分别会输出什么值。
学习目标
- 掌握
cv2.threshold的阈值、最大值和模式参数。 - 能比较五种常用固定阈值模式在同一输入上的结果。
- 能根据希望保留的像素范围选择合适模式。
认识 threshold 的关键参数
OpenCV 4.x Python 中常用调用形式为 cv2.threshold(src, thresh, maxval, type)。处理普通 8 位灰度图时,thresh 常在 0~255 内;例如设为 127,就是以 127 为固定分界线处理整幅图像。
maxval 主要用于 THRESH_BINARY 和 THRESH_BINARY_INV,常设为 255。函数返回的第一个值是实际采用的阈值,第二个值是输出图像,因此不要把返回值整体直接当成图像使用。
比较五种固定阈值模式
五种基础模式的差异可以直接看成输入灰度到输出灰度的映射。下面统一使用阈值 127,对 30、100、127、128、180、250 六个像素进行处理。

python
import cv2
import numpy as np
src = np.array([[30, 100, 127, 128, 180, 250]], 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_threshold, dst = cv2.threshold(src, 127, 255, mode)
print(name, int(used_threshold), dst.tolist()[0])预期输出:
text
BINARY 127 [0, 0, 0, 255, 255, 255]
BINARY_INV 127 [255, 255, 255, 0, 0, 0]
TRUNC 127 [30, 100, 127, 127, 127, 127]
TOZERO 127 [0, 0, 0, 128, 180, 250]
TOZERO_INV 127 [30, 100, 127, 0, 0, 0]同一组输入经过五种模式后结果完全不同,其中只有前两种把输出压成两档。后三种仍可能保留原始灰度,因此不能仅凭函数名里出现“threshold”就把结果当作二值掩膜。
按输出需求选择模式
| 模式 | 输入不大于 127 | 输入大于 127 | 适合的结果 |
|---|---|---|---|
THRESH_BINARY |
0 | 255 | 提取较亮前景 |
THRESH_BINARY_INV |
255 | 0 | 提取较暗前景 |
THRESH_TRUNC |
保持原值 | 127 | 截掉过亮部分 |
THRESH_TOZERO |
0 | 保持原值 | 保留较亮区域的原灰度 |
THRESH_TOZERO_INV |
保持原值 | 0 | 保留较暗区域的原灰度 |
如果下一步要执行 findContours、连通区域统计或形态学开闭运算,通常希望获得 0/255 掩膜,因此优先检查 THRESH_BINARY 与 THRESH_BINARY_INV。如果目标是限制亮度或保留一侧的原始灰度,则后三种模式更合适。
固定阈值的前提是整张图都能用同一个分界值解释。验证时至少检查一处亮区域、一处暗区域和阈值附近像素;只要同类目标在不同位置需要明显不同的阈值才能保留,就应考虑自动阈值或自适应阈值,而不是继续增加固定规则。
按自己的节奏,确认真正理解。