#! usr/bin/env python
# coding: utf-8
import cv2

img = cv2.imread('cat.jpg')
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 先將圖像矩陣進行二值化
# img = cv2.imread('cat.jpg'，0)
# 也可以直接將圖像用灰度值讀入，其中0就表示用灰度讀圖

cv2.imshow('img',img)

_,img1 = cv2.threshold(img,100,250,cv2.THRESH_BINARY)
# 這個函數(shù)返回兩個值，第二個值才是二值化后的圖像矩陣
# 最后一個參數(shù)表示一種二值化算法
# 閾值設(shè)置為100,
# 250表示大于100的像素值會被重新賦值為250

cv2.imshow('img',img1)

# cv2.waitKey()
cv2.destroyAllWindows()


############ 以下比較不同簡單二值化算法的區(qū)別

# 先進行不同算法的二值化
ret,img1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
# 從名字可以看出一點來，binary是二元的意思，這里指要么0，要么指定的一個值（255）
print(ret)
ret,img2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
# 注意到INV表示逆，全寫是inverse
ret,img3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
# 注意到truncate表示截斷的意思。這個函數(shù)不再是二元，而是對超過某個值的部分進行處理，否則并不會處理。
ret,img4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
# 實際上，這也是一種階段，對大于某一個值的像素值進行調(diào)整，與trunc不同的是，這里變?yōu)?，而不是最大值
ret,img5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)

import numpy as np
import matplotlib.pyplot as plt
#用這個模塊來畫圖顯示，這個庫和opencv有些不同，可參考前面的博客
# https://blog.csdn.net/qq_27261889/article/details/80543966

# 先定義以下圖的圖題和圖像矩陣
titles = ['original','binary','binary_inv','trunc','tozero','tozero_inv']
imgs = [img,img1,img2,img3,img4,img5]

for i in range(6):
  plt.subplot(2,3,i+1)#分別畫出每一個圖
  plt.imshow(imgs[i],'gray')
  plt.title(titles[i])#寫出圖題

plt.show()