Numpy 如何在 numpy 数组中应用 opencv 阈值

在本文中，我们将介绍如何在 Python 的 Numpy 库中应用 OpenCV 阈值。OpenCV 是一个广泛使用的计算机视觉库，而 Numpy 是 Python 中广泛使用的数学库。通过将它们结合起来，我们可以更容易地实现图像处理等计算机视觉任务。

阅读更多：Numpy 教程

阈值化图像

在开始介绍如何在 Numpy 中使用 OpenCV 阈值之前，我们需要先了解一下阈值化图像的概念。阈值化图像是将像素的亮度值转换为二进制值的过程。例如，我们可以将所有像素的亮度值大于 128 的像素转换为白色，并将所有像素的亮度值小于等于 128 的像素转换为黑色。这样，我们可以更容易地检测到物体、分割图像、降低噪声等。

在 OpenCV 中，使用阈值化图像的函数是 cv2.threshold()。它将一个图像阈值化，并将结果保存在一个新的图像中。它具有以下参数：

src: 输入图像
thresh: 阈值
maxval: 如果像素值大于（或小于，在某些情况下）阈值，则将像素值设置为此值
type: 阈值化类型

有以下常见的阈值化类型：

cv2.THRESH_BINARY: 如果像素值大于阈值，则将像素值设置为 maxval，否则将其设置为 0。
cv2.THRESH_BINARY_INV: 如果像素值大于阈值，则将像素值设置为 0，否则将其设置为 maxval。
cv2.THRESH_TRUNC: 如果像素值大于阈值，则将其设置为阈值，否则不变。
cv2.THRESH_TOZERO: 如果像素值小于阈值，则将其设置为 0，否则不变。
cv2.THRESH_TOZERO_INV: 如果像素值小于阈值，则将其设置为 maxval，否则不变。

以下是一个打开一张图片，然后将其阈值化为二进制图像的 Python 代码示例：

import cv2
import numpy as np

img = cv2.imread('example.png', cv2.IMREAD_GRAYSCALE)

# 二进制阈值化
ret,thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

cv2.imshow('Input', img)
cv2.imshow('Binary Threshold', thresh1)

cv2.waitKey(0)
cv2.destroyAllWindows()

在 Numpy 数组中应用 OpenCV 阈值

当我们使用 OpenCV 对图像进行阈值化时，我们通常需要将图像转换为灰度图像，然后将其转换为二进制图像。但是，在某些情况下，我们可以使用 Numpy 数组代替图像。在这种情况下，我们需要确保数组中的值是单通道的，即灰度值。

以下是一个将 Numpy 数组阈值化为二进制图像的 Python 代码示例：

import cv2
import numpy as np

array = np.array([10, 20, 30, 40, 50, 60, 70, 80, 90, 100])

# 将数组转换为单通道 Numpy 数组
array = array.reshape((2, 5))
gray = cv2.cvtColor(array, cv2.COLOR_BGR2GRAY)

# 二进制阈值化
ret, thresh1 = cv2.threshold(gray, 50, 255, cv2.THRESH_BINARY)

print(thresh1)