简单人工智能技术应用使用Python+OpenCV进行图像处理(13)_图像预处理对于整个图像处理任务来讲特

for ind ， p in enumerate（images）：

ax ＝ axs［ind％2 ， ind／／2］

ax．imshow（p ， cmap ＝＇gray＇）

ax．axis（＇off＇）

plt．show（）

如上图所示，左边为原始图像与二进制阈值化结果图。对比二进制阈值化结果图与右上方两张结果图（由adaptivethresholdmeanc方法生成）可得，后者生成了更为详细的结果。我们还可以看出，当C值更大时，图像将变得更显式。 C代表从均值或加权均值中减去值的大小。通过观察上图右子图上下两幅图像，我们还可以对比查看相同C值下adaptivethreshold meanc和adaptivethreshold ＿gaussianc两种方法生成的不同效果图。

梯度（Gradient）

在数学中，梯度用于几何地表示多变量函数图形的斜率。由于它是一个向量值函数，代表着方向和大小两种属性。在这里，我们也可以将同样的概念引入到图像的像素值中。图像梯度表示像素强度或颜色模式的方向变化，因此可以通过梯度来定位边缘。