当前位置：首页 > article >正文

使用OpenCV进行图像处理：边界填充、阈值处理

article 2025/3/25 15:27:44

引言

OpenCV（Open Source Computer Vision Library）是一个功能强大的开源计算机视觉库，广泛应用于图像处理、视频分析、物体检测等领域。本文将重点介绍OpenCV中的三种常见图像处理技术：边界填充、阈值处理。通过这些技术，你可以更好地处理图像中的边缘、噪声以及对比度问题。

1. 边界填充（Padding）

在图像处理中，边界填充是一种常见的技术，用于在图像的边缘添加额外的像素。这在卷积操作（如滤波）中尤为重要，因为卷积核在图像边缘无法完全覆盖时，边界填充可以避免图像尺寸的缩小。

cv2.copyMakeBorder()是OpenCV库中的一个函数，用于给图像添加额外的边界(padding)。

copyMakeBorder(src: UMat, top: int, bottom: int, left: int, right: int, borderType: int, dst: UMat | None = ..., value: cv2.typing.Scalar = ...)
 它有以下几个参数：
 src:要扩充边界的原始图像。
 top, bottom, left, right:相应方向上的边框宽度。

 borderType:定义要添加边框的类型，它可以是以下的一种：
 cv2.BORDER_CONSTANT:添加的边界框像素值为常数(需要额外再给定一个参数)。
 cv2.BORDER_REFLECT:添加的边框像素将是边界元素的镜面反射 (交界处也复制了）
 cv2.BORDER_REFLECT_101 或 cv2.BORDER_DEFAULT：和上面类似，但是有一些细微的不同
 cv2.BORDER_REPLICATE：使用最边界的像素值代替
 cv2.BORDER_WRAP：上下左右边依次替换

import cv2
ys = cv2.imread('yueshan.png')
ys=cv2.resize(ys,dsize=None,fx=0.5,fy=0.5)  #  图片缩放
ys=cv2.resize(ys,(640,480))
top,bottom,left,right = 50,50,50,50

constant =cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_CONSTANT,value=(229,25,80))
reflect = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT101)
replicate = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REPLICATE)
wrap = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_WRAP)
#
cv2.imshow('yuantu', ys)
cv2.waitKey(0)
cv2.imshow('CONSTANT', constant)
cv2.waitKey(0)
cv2.imshow('REFLECT', reflect)
cv2.waitKey(0)
cv2.imshow('REFLECT_101', reflect101)
cv2.waitKey(0)
cv2.imshow('REPLICATE', replicate)
cv2.waitKey(0)
cv2.imshow('WRAP', wrap)
cv2.waitKey(0)

2. 阈值处理（Thresholding）

阈值处理是一种将图像转换为二值图像的技术，通过设定一个阈值，将像素值分为两类：大于阈值的像素设置为最大值（如255），小于阈值的像素设置为0。OpenCV提供了多种阈值处理方法，包括全局阈值、自适应阈值和Otsu's二值化。

常用方法：

示例代码

import cv2
image = cv2.imread('zl.png',0) #灰度图，
ret, binary = cv2.threshold(image, 175, 255, cv2.THRESH_BINARY)
ret1, binaryinv = cv2.threshold(image, 175, 255, cv2.THRESH_BINARY_INV)
ret2, trunc = cv2.threshold(image, 175, 255, cv2.THRESH_TRUNC)
ret3, tozero = cv2.threshold(image, 175, 255, cv2.THRESH_TOZERO)
ret4, tozeroinv = cv2.threshold(image, 175, 255, cv2.THRESH_TOZERO_INV)

cv2.imshow('gray', image)  #原灰度图
cv2.waitKey(0)
cv2.imshow('binary', binary)  #偏白的变纯白，偏黑的变纯黑
cv2.waitKey(0)
cv2.imshow('binaryinv', binaryinv)  #偏白的变纯黑，偏黑的变纯白
cv2.waitKey(0)
cv2.imshow('trunc', trunc)   #白色变得一样灰蒙蒙，偏黑的不变
cv2.waitKey(0)
cv2.imshow('tozero', tozero)  #偏白色不变，偏黑的就变纯黑
cv2.waitKey(0)
cv2.imshow( 'tozeroinv', tozeroinv)   #偏白色变纯黑，偏黑的不变
cv2.waitKey(0)