.

• pip install opencv-python

• imagen en gris y guardar

import cv2

img= cv2.imread("1.jpeg", 0)

cv2.namedWindow("caballo", cv2.WINDOW_NORMAL)

cv2.imshow("caballo", img)

cv2.waitKey()

cv2.destroyAllWindows()

• Guardar imagen en escala de grises

import cv2

img= cv2.imread("1.jpeg", 0)

cv2.namedWindow("caballo", cv2.WINDOW_NORMAL)

cv2.imshow("caballo", img)

cv2.imwrite('1-bw.jpeg', img)

cv2.waitKey()

cv2.destroyAllWindows()

• Mostrar el histograma a color y bw

import cv2

from matplotlib import pyplot as plt

img= cv2.imread("1.jpeg")

color = ('b', 'g', 'r') #para la imagen a color

hist = cv2.calcHist([img],[0],None,[256],[0,255]) #histograma bw

for i, col in enumerate(color): #para el histograma a color

    print(i,col)

    hist = cv2.calcHist([img],[i],None,[256],[0,255])

    plt.plot(hist, color = col)

    plt.xlim([0,256])

plt.hist(img.ravel(), 256, [0,255])

plt.show()

cv2.namedWindow("caballo", cv2.WINDOW_NORMAL)

cv2.imshow("caballo", img)

cv2.waitKey()

cv2.destroyAllWindows()

• histograma bw y color con numpy

import numpy as np

from matplotlib import pyplot as plt

import cv2

img = cv2.imread("1.jpeg")

img2 = cv2.imread("1.jpeg",0)

hist, bins = np.histogram(img.flatten(),256,[0,255])

plt.hist(img.flatten(), 256, [0,255], color = "b")

plt.xlim([0,256])

#plt.show()

hist, bins = np.histogram(img2.flatten(),256,[0,255])

plt.hist(img2.flatten(), 256, [0,255], color = "y")

plt.xlim([0,256])

plt.show()

cv2.waitKey()

cv2.destroyAllWindows()

• Imagen bw, aplicar umbralización binaria

    import cv2

img = cv2.imread("1.jpeg", 0)

## umbral establecido, imagenBinarizada = cv2.threshold(imagen, valor del umbral, valor umbral maximo y tipo de algoritmo)

_, th=cv2.threshold(img, 89, 255, cv2.THRESH_BINARY)

cv2.imshow("original", img)

cv2.imshow("Binarizacion", th)

cv2.waitKey()

cv2.destroyAllWindows()

• Imagen bw, aplicar umbralización otsu

import cv2

img = cv2.imread("1.jpeg", 0)

## umbral establecido, imagenBinarizada = cv2.threshold(imagen, valor del umbral, valor umbral maximo y tipo de algoritmo)

_, th=cv2.threshold(img, 89, 255, cv2.THRESH_OTSU)

cv2.imshow("original", img)

cv2.imshow("Otsu", th)

cv2.waitKey()

cv2.destroyAllWindows()

• A la imagen médica aplicar umbralización usando ADAPTATIVE_THRESH_MEAN_C, y ADAPTATIVE_THRESH_GAUSSIAN_C, con su Trackbar

import cv2

import numpy as np

# Función callback para los trackbars (no necesita hacer nada)

def nothing(x):

    pass

# Cargar imagen médica en escala de grises

img = cv2.imread('1.jpeg', cv2.IMREAD_GRAYSCALE)  # Cambia la ruta

# Crear ventana y trackbars

cv2.namedWindow('Umbralizacion Adaptativa')

cv2.createTrackbar('Metodo', 'Umbralizacion Adaptativa', 0, 1, nothing)

cv2.createTrackbar('Tamano Bloque', 'Umbralizacion Adaptativa', 3, 200, nothing)

cv2.createTrackbar('C', 'Umbralizacion Adaptativa', 1, 30, nothing)

while True:

    # Obtener valores actuales de los trackbars

    metodo = cv2.getTrackbarPos('Metodo', 'Umbralizacion Adaptativa')

    block_size = cv2.getTrackbarPos('Tamano Bloque', 'Umbralizacion Adaptativa')

    c = cv2.getTrackbarPos('C', 'Umbralizacion Adaptativa')

    # Asegurar que el tamaño de bloque sea impar y mayor que 1

    block_size = max(3, block_size)

    block_size = block_size + 1 if block_size % 2 == 0 else block_size

    # Aplicar umbralización adaptativa

    if metodo == 0:

        adaptive_method = cv2.ADAPTIVE_THRESH_MEAN_C

    else:

        adaptive_method = cv2.ADAPTIVE_THRESH_GAUSSIAN_C

    resultado = cv2.adaptiveThreshold(img, 255, adaptive_method,

                                    cv2.THRESH_BINARY, block_size, c)

    # Mostrar resultados

    cv2.imshow('Imagen Original', img)

    cv2.imshow('Umbralizacion Adaptativa', resultado)

    # Salir con ESC

    k = cv2.waitKey(1) & 0xFF

    if k == 27:

        break

cv2.destroyAllWindows()

• Realizar un solo código de la umbralización, binaria, outsu, ADAPTATIVE_THRESH_MEAN_C, y ADAPTATIVE_THRESH_GAUSSIAN_C, con su Trackbar

import cv2

import numpy as np

def nothing(x):

    pass

# Cargar imagen médica en escala de grises

img = cv2.imread('1.jpeg', cv2.IMREAD_GRAYSCALE)  # Cambia la ruta

# Crear ventana principal

cv2.namedWindow('Umbralizacion')

cv2.resizeWindow('Umbralizacion', 800, 600)

# Crear trackbars

cv2.createTrackbar('Metodo', 'Umbralizacion', 0, 3, nothing)

cv2.createTrackbar('Umbral/Block Size', 'Umbralizacion', 127, 255, nothing)

cv2.createTrackbar('C', 'Umbralizacion', 2, 30, nothing)

# Textos para los métodos

metodos = {

    0: 'BINARIA MANUAL',

    1: 'OTSU AUTOMATICO',

    2: 'ADAPTATIVA (MEAN)',

    3: 'ADAPTATIVA (GAUSSIAN)'

}

while True:

    # Obtener valores actuales

    metodo = cv2.getTrackbarPos('Metodo', 'Umbralizacion')

    param1 = cv2.getTrackbarPos('Umbral/Block Size', 'Umbralizacion')

    c = cv2.getTrackbarPos('C', 'Umbralizacion')

    # Procesamiento según método

    if metodo == 0:  # Binaria manual

        _, resultado = cv2.threshold(img, param1, 255, cv2.THRESH_BINARY)

        texto = f"Umbral manual: {param1}"

    elif metodo == 1:  # Otsu

        thresh, resultado = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

        texto = f"Otsu - Umbral autocalculado: {thresh:.1f}"

    else:  # Adaptativas

        block_size = max(3, param1)

        block_size = block_size + 1 if block_size % 2 == 0 else block_size

        if metodo == 2:  # Mean

            resultado = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, 

                                             cv2.THRESH_BINARY, block_size, c)

        else:  # Gaussian

            resultado = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 

                                             cv2.THRESH_BINARY, block_size, c)

        texto = f"Block: {block_size} | C: {c}"

    # Añadir información visual

    cv2.putText(resultado, metodos[metodo], (10, 30), 

                cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255,255,255), 1)

    cv2.putText(resultado, texto, (10, 60), 

                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255,255,255), 1)

    # Mostrar resultados

    cv2.imshow('Original', img)

    cv2.imshow('Umbralizacion', resultado)

    # Salir con ESC

    if cv2.waitKey(1) & 0xFF == 27:

        break

cv2.destroyAllWindows()

• Otra versión pero con 4 ventanas

• 
  

import cv2

import numpy as np

def nothing(x):

    pass

# Cargar imagen médica

img = cv2.imread('1.jpeg', cv2.IMREAD_GRAYSCALE)  # Cambiar por tu ruta

# Crear ventana de control

cv2.namedWindow('Controles')

cv2.resizeWindow('Controles', 400, 150)

# Trackbars comunes

cv2.createTrackbar('Umbral/Block', 'Controles', 127, 255, nothing)

cv2.createTrackbar('C', 'Controles', 2, 30, nothing)

# Diccionario de métodos

metodos = {

    'BINARIA': cv2.THRESH_BINARY,

    'OTSU': cv2.THRESH_OTSU,

    'ADAPT-MEAN': cv2.ADAPTIVE_THRESH_MEAN_C,

    'ADAPT-GAUSS': cv2.ADAPTIVE_THRESH_GAUSSIAN_C

}

while True:

    # Leer parámetros actuales

    param1 = cv2.getTrackbarPos('Umbral/Block', 'Controles')

    c = cv2.getTrackbarPos('C', 'Controles')

    # Asegurar tamaño de bloque impar para adaptativas

    block_size = max(3, param1)

    block_size = block_size + 1 if block_size % 2 == 0 else block_size

    # Procesar con los 4 métodos

    resultados = {}

    # 1. Binarización manual

    _, thresh_bin = cv2.threshold(img, param1, 255, cv2.THRESH_BINARY)

    resultados['BINARIA'] = thresh_bin

    # 2. Otsu

    thresh_otsu, thresh_otsu_img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

    resultados['OTSU'] = thresh_otsu_img

    # 3. Adaptativa Mean

    adapt_mean = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, 

                                      cv2.THRESH_BINARY, block_size, c)

    resultados['ADAPT-MEAN'] = adapt_mean

    # 4. Adaptativa Gauss

    adapt_gauss = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 

                                       cv2.THRESH_BINARY, block_size, c)

    resultados['ADAPT-GAUSS'] = adapt_gauss

    # Mostrar todas las ventanas con texto informativo

    for metodo, resultado in resultados.items():

        # Añadir información de parámetros

        texto = f"{metodo} | "

        if metodo == 'BINARIA':

            texto += f"Umbral: {param1}"

        elif metodo == 'OTSU':

            texto += f"Auto: {thresh_otsu:.1f}"

        else:

            texto += f"Block: {block_size} | C: {c}"

        display = cv2.putText(resultado.copy(), texto, (10,30), 

                            cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255,255,255), 1)

        cv2.imshow(metodo, display)

    # Salir con ESC

    if cv2.waitKey(1) & 0xFF == 27:

        break

# Destruir todas las ventanas

cv2.destroyAllWindows()