本篇博客简述opencv对图像进行阈值分割，二值图，反色处理，轮廓描绘操作

环境要求：python语言，并安装py-opencv库

import cv2

# 读取图像
img = cv2.imread('img/test.png')
# 灰度处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
retval, dst = cv2.threshold(gray, 0, 255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)
#反色
fanse = cv2.bitwise_not(dst)
#轮廓描绘
lunkuo = cv2.bitwise_not(cv2.Canny(dst,80,255)) #设置80为低阈值，255为高阈值
#图像显示
cv2.imshow('img',img)
cv2.imshow('binary', dst)
cv2.imshow("fanse",fanse)
cv2.imshow("lunkuo",lunkuo)
#如果不加下面这一行，图片就会一闪而过
cv2.waitKey(0)

补充说明一下，反色处理除了使用上面的bitwise_not()函数外，还可以使用下面的算法：

def access_pixels(image):  # 获取图片高宽通道
    #print(image.shape)
    height = image.shape[0]
    width = image.shape[1]
    channels = image.shape[2]
    # 也可以直接写成：
    # height, width, channels = image.shape[:]
    #print("width: %s, height: %s, channels: %s"%(width, height, channels))

    new_image = image.copy()  # 复制image图片
    for row in range(height):
        for col in range(width):
            for c in range(channels):
                pv = image[row, col, c]
                new_image[row, col, c] = 255 - pv  # 图像反转
    return new_image

1.灰度处理的意义在于减少图片的信息量，而且想获取图片的二值图就必须先进行灰度处理2.本篇对轮廓的描绘使用的是Canny算子，后面会有详细的博客对轮廓描绘讲解

运行的效果图: