企业官网建设流程全解析

一.图像阈值

1.格式：ret,dst = cv2.threshold(src,thresh,maxval,type)

• src：输入图，只能输入单通道图像，通常来说为灰度图
• dst：输出图
• thresh：阈值
• maxval：当像素值超过了阈值（或者小于阈值，根据 type 来决定），所赋予的值
• type：二值化操作的类型，包含以下 5 种类型：cv2.THRESH_BINARY；cv2.THRESH_BINARY_INV；cv2.THRESH_TRUNC；cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
• cv2.THRESH_BINARY：超过阈值部分取 maxval（最大值），否则取 0
• cv2.THRESH_BINARY_INV：THRESH_BINARY 的反转
• cv2.THRESH_TRUNC：大于阈值部分设为阈值，否则不变
• cv2.THRESH_TOZERO：大于阈值部分不改变，否则设为 0
• cv2.THRESH_TOZERO_INV：THRESH_TOZERO 的反转

  ret, thresh1 = cv2.threshold(img1_grey, 127,255,cv2.THRESH_BINARY) ret, thresh2 = cv2.threshold(img1_grey, 127,255,cv2.THRESH_BINARY_INV) ret, thresh3 = cv2.threshold(img1_grey, 127,255,cv2.THRESH_TRUNC) ret, thresh4 = cv2.threshold(img1_grey, 127,255,cv2.THRESH_TOZERO) ret, thresh5 = cv2.threshold(img1_grey, 127,255,cv2.THRESH_TOZERO_INV) titles = ['OriginalImage','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV'] images = [img1, thresh1,thresh2,thresh3,thresh4,thresh5] for i in range(6): # 创建子图（拆分逗号写法，更易读） plt.subplot(2, 3, i+1) # 绘制图像：灰度图用cmap='gray'，原图已转RGB无需配色 plt.imshow(images[i], cmap='gray' if i>0 else None) # 添加标题 plt.title(titles[i]) # 修正：拆分xticks和yticks调用，取消链式错误写法 plt.xticks([]) plt.yticks([]) # 调整子图间距，避免标题/图像重叠 plt.tight_layout() # 显示图像 plt.show()

上面代码中“img1_grey”要换成自己图片的名称，示例结果如下：

二.图像平滑

1.先读入一张图片

img = cv2.imread('D:/Users/3.jpg')#路径换成自己的 cv2.imshow('img', img) cv2.waitKey(0) cv2.destroyAllWindows()

2.均值滤波的处理方法

——一种线性平滑滤波方法，通过计算邻域内像素的平均值替代中心像素值，降低图像噪声。

其中（3，3）是可以自己规定的选取图片窗口大小，不同的值最后呈现结果不一样。

#均值滤波 #简单的平均卷积操作 blur = cv2.blur(img, (3, 3)) cv2.imshow('blur',blur) cv2.waitKey(0) cv2.destroyAllWindows()

3.方框滤波的处理

normalize所等于的值不一样，最后结果不同，如果是True的话，是小于255，避免溢出，若等于False容易溢出，导致图像变白。

#方框滤波 #基本和均值一样，可以选择归一化 box = cv2.boxFilter(img,-1,(3,3),normalize=True) cv2.imshow('box',box) cv2.waitKey(0) cv2.destroyAllWindows()

4.高斯滤波的处理

#高斯滤波 #高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的 aussian = cv2.GaussianBlur(img,(5,5),1)#5,5是所框选的范围。5*5 cv2.imshow('aussian',aussian) cv2.waitKey(0) cv2.destroyAllWindows()

5.中值滤波的处理

#中值滤波 #相当于用中值代替 median = cv2.medianBlur(img,5)#中值滤波 cv2.imshow('median',median) cv2.waitKey(0) cv2.destroyAllWindows()

6.将所有的方法放在一起展示结果

三.形态学——腐蚀操作

1.读入图片之后，可以调整展示的窗口的大小

img = cv2.imread("D:/Users/4.jpg") new_width = 400 new_height = 300 resized_img = cv2.resize(img,(new_width,new_height)) cv2.imshow('resized_img',resized_img) cv2.waitKey(0) cv2.destroyAllWindows()

2.设置盒子以及迭代次数，来决定腐蚀的速度

kernel = np.ones((5,5),np.uint8)#内盒决定腐蚀的速度 erosion = cv2.erode(resized_img,kernel,iterations = 1)#迭代次数 cv2.imshow('erosion',erosion) cv2.waitKey(0) cv2.destroyAllWindows()

3.放在一起展示不同的迭代次数，所呈现的不同效果

kernel = np.ones((3,3),np.uint8) erosion_1 = cv2.erode(resized_img,kernel,iterations = 1) erosion_2 = cv2.erode(resized_img,kernel,iterations = 2) erosion_3 = cv2.erode(resized_img,kernel,iterations = 3) res = np.hstack((erosion_1,erosion_2,erosion_3)) cv2.imshow('res',res) cv2.waitKey(0) cv2.destroyAllWindows()