import cv2
img_h = cv2.imread(r"C:\Users\admin\Desktop\yy.jpg", cv2.IMREAD_GRAYSCALE)
# 超過(guò)閾值部分取maxval（最大值），否則0
ret1,img1 = cv2.threshold(img_h,127,255,cv2.THRESH_BINARY)
# 小于閾值部分取maxval（最大值）  否則0
ret2,img2 = cv2.threshold(img_h,127,255,cv2.THRESH_BINARY_INV)
# 大于閾值部分設(shè)為閾值，否則不變
ret3,img3 = cv2.threshold(img_h,127,255,cv2.THRESH_TRUNC)
# 大于閾值部分不改變，否則設(shè)為0
ret4,img4 = cv2.threshold(img_h,127,255,cv2.THRESH_TOZERO)
# 小于閾值部分不改變嗎，否則設(shè)為0
ret5,img5 = cv2.threshold(img_h,127,255,cv2.THRESH_TOZERO_INV)
titles = ["ORIGINAL", "BINARY", "BINARY_INV", "TRUNC", "TOZERO", "TOZERO_INV"]
imgs = [img_h,img1,img2,img3,img4,img5]
for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(imgs[i],"gray")
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()

img = cv2.imread(r"C:\Users\admin\Desktop\yy2.jpg", cv2.IMREAD_GRAYSCALE)
# 均值濾波
# 簡(jiǎn)單的平均卷積操作
# （3，3）為每次處理矩陣的大小
# 比如3*3的矩陣9個(gè)數(shù)，9個(gè)數(shù)相加除以9來(lái)代替中間點(diǎn)的像素值
blur = cv2.blur(img, (3, 3))
# 方框?yàn)V波
# normalize=True時(shí)，基本和均值一樣，可以選擇歸一化
# -1 基本為常量
box = cv2.boxFilter(img,-1,(3,3),normalize=True)
# 方框?yàn)V波
# normalize=False，容易越界，因?yàn)槌^(guò)255，則就255
# 比如3*3的矩陣9個(gè)數(shù)，9個(gè)數(shù)相加代替中間點(diǎn)的像素值，超過(guò)255則為255
box = cv2.boxFilter(img,-1,(3,3),normalize=False)
# 高斯濾波
# 卷積核是滿足高斯分布，相當(dāng)于更重視中間的像素值
aussian = cv2.GaussianBlur(img, (5,5), 1)
# 中值濾波
# 相當(dāng)于用中值代替
# 比如3*3的矩陣9個(gè)數(shù)，取中值來(lái)代替中間點(diǎn)的像素值
median = cv2.medianBlur(img, 5)