如何将图片阈值化多阈值化如何操作

图片阈值化是将图像中的像素分成两类（黑色和白色）的过程，通过确定一个阈值（threshold），将像素分成两类。多阈值化是将像素分成多个类别，可以用于图像分割等应用。

使用Python中的OpenCV库可以很方便地实现图像阈值化和多阈值化。

1. 图像阈值化

图像阈值化的基本方法是使用cv2.threshold()函数，该函数有四个输入参数：

• img：源图像，必须为灰度图像
• thresh：阈值，当像素值大于阈值时被分为白色，否则为黑色
• maxval：当像素值大于阈值时赋予的值，通常为255
• type：阈值类型，有两种类型：cv2.THRESH_BINARY和cv2.THRESH_BINARY_INV。

示例代码：

import cv2

# 读取灰度图像
img = cv2.imread('lena.jpg', 0)

# 阈值化
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 显示图像
cv2.imshow('thresh', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 多阈值化

多阈值化可以使用cv2.threshold()函数的第二个参数来实现。该参数可以是一个列表，其中包含多个阈值值。当像素值大于其中一个阈值时，被分配到相应的类别中。

示例代码：

import cv2

# 读取灰度图像
img = cv2.imread('lena.jpg', 0)

# 多阈值化
ret, thresh1 = cv2.threshold(img, 27, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img, 125, 255, cv2.THRESH_BINARY)
ret, thresh3 = cv2.threshold(img, 200, 255, cv2.THRESH_BINARY)

# 合并多个阈值结果
thresh = cv2.merge((thresh1, thresh2, thresh3))

# 显示图像
cv2.imshow('thresh', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上代码将图像分成了三个阈值类别。多阈值化可以有更复杂的应用，例如使用K-means算法将图像分成多个类别。