__author__ = "WSX"

import cv2 as cv

import numpy as np

#-----------二值化（黑0和白 255）-------------

#二值化的方法（全局阈值  局部阈值（自适应阈值））

# OTSU

#cv.THRESH_BINARY 二值化

#cv.THRESH_BINARY_INV(黑白调换)

#cv.THRES_TRUNC 截断

def threshold(img):  #全局阈值

    gray = cv.cvtColor(img , cv.COLOR_BGR2GRAY)  #首先变为灰度图

    ret , binary = cv.threshold( gray , 0, 255 , cv.THRESH_BINARY |cv.THRESH_OTSU)#cv.THRESH_BINARY |cv.THRESH_OTSU 根据THRESH_OTSU阈值进行二值化  cv.THRESH_BINARY_INV(黑白调换)

    #上面的0 为阈值 ，当cv.THRESH_OTSU 不设置则 0 生效

    #ret 阈值 ， binary二值化图像

    print("阈值：", ret)

    cv.imshow("binary", binary)

def own_threshold(img): #自己设置阈值100            全局

    gray = cv.cvtColor(img , cv.COLOR_BGR2GRAY)  #首先变为灰度图

    ret , binary = cv.threshold( gray , 100, 255 , cv.THRESH_BINARY )#cv.THRESH_BINARY |cv.THRESH_OTSU 根据THRESH_OTSU阈值进行二值化

    #上面的0 为阈值 ，当cv.THRESH_OTSU 不设置则 0 生效

    #ret 阈值 ， binary二值化图像

    print("阈值：", ret)

    cv.imshow("binary", binary)

def local_threshold(img):  #局部阈值

    gray = cv.cvtColor(img , cv.COLOR_BGR2GRAY)  #首先变为灰度图

    binary = cv.adaptiveThreshold( gray ,255 , cv.ADAPTIVE_THRESH_GAUSSIAN_C , cv.THRESH_BINARY, 25 , 10,)#255 最大值

    #上面的 有两种方法ADAPTIVE_THRESH_GAUSSIAN_C （带权重的均值）和ADAPTIVE_THRESH_MEAN_C（和均值比较）

    #blockSize 必须为奇数 ，c为常量（每个像素块均值 和均值比较 大的多余c。。。少于c）

    #ret 阈值 ， binary二值化图像

    cv.imshow("binary", binary)

def custom_threshold(img):  #自己计算均值二值化

    gray = cv.cvtColor(img , cv.COLOR_BGR2GRAY)  #首先变为灰度图

    h ,w = gray.shape[:2]

    m = np.reshape( gray ,[1 ,w+h])

    mean = m.sum() / w*h  #求出均值

    binary = cv.threshold(gray, mean, 255, cv.THRESH_BINARY )

    cv.imshow("binary", binary)

def main():

    img = cv.imread("1.JPG")

    cv.namedWindow("Show", cv.WINDOW_AUTOSIZE)

    cv.imshow("Show", img)

    #own_threshold(img)

    own_threshold(img)

    cv.waitKey(0)

    cv.destroyAllWindows()

main()