Python OpenCV图像阈值化算法详解与代码实现

叶初

发布时间：2026-10-15 | 5人浏览过

原创

本文详解Python OpenCV中图像阈值化的五种核心算法：二进制、反二进制、截断、反阈值化为0及阈值化为0。通过公式解析与完整代码示例，展示cv2.threshold函数的参数应用及不同阈值处理对图像像素值的具体影响，帮助开发者掌握图像分割与特征提取技术。

图像阈值化基础原理

图像的二值化或阈值化处理旨在提取图像中的目标物体，从而将背景与噪声有效区分。通常需设定一个阈值T，依据该阈值将图像像素划分为两组：高于T的像素群和低于T的像素群。

经过灰度转换处理后，图像中每个像素仅包含一个灰度值，该数值直接反映明暗程度。二值化处理可将图像像素归为两类颜色，常用的二值化算法如公式1所示：

{Y=0，gray<TY=255，gray>=T {Y=0，gray<TY=255，gray>=T

当像素灰度Gray小于阈值T时，其像素值被设为0，代表黑色；当灰度Gray大于或等于阈值T时，Y值设为255，代表白色。

Python OpenCV库提供了threshold()函数来实现二值化处理，其具体公式及参数说明如下图所示：

retval, dst = cv2.threshold(src, thresh, maxval, type)

二进制阈值化实现

二进制阈值化

该方法首先需选定一个特定的阈值量，例如127。

1) 灰度值大于等于127的像素点，其灰度值被设定为最大值。

2) 灰度值小于127的像素点，其灰度值被设置为0。

例如：156变为255，89变为0。

对应的关键字为cv2.THRESH_BINARY，完整代码如下


import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度图片转换
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二进制阈值化处理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY)
  # 显示图像
  cv2.imshow("src", src)
  cv2.imshow("result", b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

反二进制阈值化方法

反二进制阈值化

该方法与二进制阈值化类似，首先需选定一个特定的灰度值作为阈值，例如127。

1) 大于127的像素点，其灰度值被设定为0。

2) 小于该阈值的像素点，其灰度值被设定为255。

例如：156变为0，89变为255。

对应的关键字为cv2.THRESH_BINARY_INV。

代码如下:


import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度图片转换
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二进制阈值化处理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_BINARY_INV)
  # 显示图像
  cv2.imshow("src", src)
  cv2.imshow("result", b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

截断阈值化处理

截断阈值化

该方法需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，而小于该阈值的像素点保持不变。

1) 大于等于127的像素点，其灰度值被设定为该阈值127。

2) 小于该阈值的像素点，其灰度值保持不变。

例如：163变为127，89保持为89。

关键字cv2.THRESH_TRUNC，完整代码如下


import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度图片转换
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二进制阈值化处理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TRUNC)
  # 显示图像
  cv2.imshow("src", src)
  cv2.imshow("result", b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

反阈值化为0算法

反阈值化为0

该方法首先选定一个阈值，例如127。

(1) 大于等于阈值127的像素点变为0 (2) 小于该阈值的像素点值保持不变

例如：128变为0，89保持为89。

关键字为cv2.THRESH_TOZERO_INV，完整代码如下：


import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度图片转换
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二进制阈值化处理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO_INV)
  # 显示图像
  cv2.imshow("src", src)
  cv2.imshow("result", b)
  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

阈值化为0算法

阈值为0

该方法首先选定一个阈值，例如127。

(1) 大于等于阈值127的像素点，其值保持不变。

(2) 小于该阈值的像素点值设置为0。

例如：163保持为163，102变为0。

关键字为cv2.THRESH_TOZERO，完整代码如下：


import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度图片转换
  GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
  # 二进制阈值化处理
  r, b = cv2.threshold(GrayImage, 127, 255, cv2.THRESH_TOZERO)
  # 显示图像
  cv2.imshow("src", src)
  cv2.imshow("result", b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下: