轉載請注明出處與作者
OpenCV提供了2個函數來處理閾值.
第一個函數
double threshold(InputArray src, OutputArray dst, double thresh, double maxVal, int thresholdType);
這個函數是使用一個固定的值thresh來分割區間的.可以用來得到2值圖或者濾除噪聲.或者濾除一些很小或很大的值.
thresholdType有幾種類型可以選擇:
THRESH_BINARY 當src(x,y)>thresh時填充maxVal,否則填充0;
THRESH_BINARY_INV 當src(x,y)>thresh時填充0,否則填充maxVal;
THRESH_TOZERO 當src(x,y)>thresh時保留原值,否則填充0;
THRESH_TOZERO_INV 當src(x,y)>thresh時填充0,否則保留原值;
THRESH_TRUNC和THRESH_OTSU還沒有研究...待以後補充...
第二個函數,自動閾值
void adaptiveThreshold(InputArray src, OutputArray dst, double maxValue, int adaptiveMethod,int thresholdType, int blockSize, double C)
這個函數會根據條件對每一個點都計算出一個值,然後根據這個值來判斷最終要填充什麽值.
thresholdType有2個值可以選擇
THRESH_BINARY 當計算出的值>thresh時填充maxVal,否則填充0;
THRESH_BINARY_INV 當計算出的值>thresh時填充0,否則填充maxVal;
adaptiveMethod有2個值可以選擇
ADAPTIVE_THRESH_MEAN_C 使用平均加權的方式計算
ADAPTIVE_THRESH_GAUSSIAN_C 使用高斯函數進行計算.
參數C是一個數值,由adaptiveMethod方式計算出來的值要減去C才能得到最終的值.這個最終的值就是用來判斷要填充什麽值的.所以我們可以將這個值當做一個偏移量來使用.
參數blockSize表示計算的時候使用的矩陣大小,此參數必須是大於1的奇數,例如3,5,7....
類中的代碼:
//!閾值: 將圖像轉換為高對比度的黑白圖像.此函數針對ROI進行處理.必須為單通道圖像
//!invert為false時,大於thresh的值轉換為maxval,小於等於thresh的值轉換為0.invert為true時,大於thresh的值轉換為0,小於等於thresh的值轉換為maxval.
bool Threshold(double thresh,double maxval,bool invert=false);
//!invert為false時,大於thresh的值保留原值,小於等於thresh的值轉換為0.invert為true時,大於thresh的值轉換為0,小於等於thresh的值保留原值.
bool Threshold(double thresh,bool invert=false);
//!自適應閾值:以每一個點為中心取blocksize大小的矩陣,矩陣中的值求均值再減去valoffset得到一個最終的值,如果原值大於這個最終的值則填充maxval,否則填充0.
//!invert為false時,大於最終值則填充maxval,小於等於最終值則填充0.invert為true時,大於最終值則填充0,小於等於最終值則填充maxval.
//!useGaussionMode 為true的時候計算均值使用高斯函數進行計算,為false的時候使用平均加權法進行計算.
//!blocksize: 為大於1的奇數,如3,5,7,....
bool AdaptiveThreshold(double maxval,int blocksize,double valoffset, bool useGaussionMode=false,bool invert=false);
bool COpenCVImage::Threshold(double thresh,double maxval,bool invert)
{
if(m_src.channels()!=1) return false;
cv::threshold(m_src(r_roi),m_src(r_roi),thresh,maxval,invert?cv::THRESH_BINARY_INV:cv::THRESH_BINARY);
m_modifyed_for_draw=true;
return true;
}
bool COpenCVImage::Threshold(double thresh,bool invert)
{
if(m_src.channels()!=1) return false;
cv::threshold(m_src(r_roi),m_src(r_roi),thresh,0,invert?cv::THRESH_TOZERO_INV:cv::THRESH_TOZERO);
m_modifyed_for_draw=true;
return true;
}
bool COpenCVImage::AdaptiveThreshold(double maxval,int blocksize,double valoffset, bool useGaussionMode,bool invert)
{
if(m_src.channels()!=1) return false;
cv::adaptiveThreshold(m_src(r_roi),m_src(r_roi),maxval,
(useGaussionMode?cv::ADAPTIVE_THRESH_GAUSSIAN_C:cv::ADAPTIVE_THRESH_MEAN_C),
(invert?cv::THRESH_BINARY_INV:cv::THRESH_BINARY),blocksize,valoffset);
m_modifyed_for_draw=true;
return true;
}