灰度图像的范围阈值化

Question

OpenCVcv.InRange函数是否仅对RGB图像有效？我能用这个函数对灰度图像进行阈值化吗？

我发现一个错误，下面是我的代码：

   import cv2
   image=cv2.imread("disparitySGB.jpg")
   thresh=cv2.inRange(image,190,255);

它给出以下错误：

thresh=cv2.inRange(image,190,255); TypeError: unknown is not a numpy array

我试着修复它：

  thresh=cv2.inRange(image,numpy.array(190),numpy.array(255));

现在没有错误，但它会产生黑色图像。

Answer 1

对于形状（M，N）为numpy，大小为MxN且OpenCV中只有一个通道的灰度图像，cv2.inRange采用标量边界：

gray = cv2.imread(filename, cv2.CV_LOAD_IMAGE_GRAYSCALE)
gray_filtered = cv2.inRange(gray, 190, 255)

但是对于在numpy中具有形状（M，N，3）和在OpenCV中具有三个通道的大小MxN的RGB图像，您需要使边界与“通道大小”匹配。

rgb = cv2.imread(filename, cv2.CV_LOAD_IMAGE_COLOR)
rgb_filtered = cv2.inRange(gray, (190, 190, 190), (255, 255, 255))

这在documentation中有解释，尽管不是很清楚。

Answer 2

cv2.inRange(src, lowerb, upperb[, dst]) → dst

将src作为数组，将lower和upper作为array或scalar，这意味着您可以使用它来阈值灰度图像。你只需要用scalars来表示upper和lower。

示例：

myResult = cv2.InRange(myGrayscale, 50, 100)

Answer 3

你只需要把numpy作为np导入，你的原始代码就可以正常工作了。