OpenCV学习笔记-阈值化

最新推荐文章于 2023-06-13 21:36:55 发布
最新推荐文章于 2023-06-13 21:36:55 发布
阅读量8.6k 收藏 5
点赞数 3
分类专栏： 图像处理 文章标签： dst null image 出版 优化 c
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/superdont/article/details/6661801
版权

需要的几个函数：

Threshold

對數組元素進行固定閾值操作

void cvThreshold( const CvArr* src, CvArr* dst, double threshold,
                  double max_value, int threshold_type );
src
原始數組 (單通道 , 8-bit of 32-bit 浮點數).
dst
輸出數組，必須與 src 的類型一致，或者為 8-bit.
threshold
閾值
max_value
使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值.
threshold_type
閾值類型 (見討論)

函數 cvThreshold 對單通道數組應用固定閾值操作。該函數的典型應用是對灰度圖像進行閾值操作得到二值圖像。(cvCmpS 也可以達到此目的) 或者是去掉噪聲，例如過濾很小或很大象素值的圖像點。本函數支持的對圖像取閾值的方法由 threshold_type 確定:

threshold_type=CV_THRESH_BINARY:
dst(x,y) = max_value, if src(x,y)>threshold
           0, otherwise

threshold_type=CV_THRESH_BINARY_INV:
dst(x,y) = 0, if src(x,y)>threshold
           max_value, otherwise

threshold_type=CV_THRESH_TRUNC:
dst(x,y) = threshold, if src(x,y)>threshold
           src(x,y), otherwise

threshold_type=CV_THRESH_TOZERO:
dst(x,y) = src(x,y), if (x,y)>threshold
           0, otherwise

threshold_type=CV_THRESH_TOZERO_INV:
dst(x,y) = 0, if src(x,y)>threshold
           src(x,y), otherwise

下面是圖形化的閾值描述：



Split
分割多通道数组成几个单通道数组或者从数组中提取一个通道
void cvSplit( const CvArr* src, CvArr* dst0, CvArr* dst1,
               CvArr* dst2, CvArr* dst3 );
#define cvCvtPixToPlane cvSplit
src
原数组.
dst0...dst3
目标通道
函数 cvSplit 分割多通道数组成分离的单通道数组d。可获得两种操作模式 . 如果原数组有N通道且前N输出数组非NULL, 所有的通道都会被从原数组中提取，如果前N个通道只有一个通道非NULL函数只提取该指定通道，否则会产生一个错误，余下的通道（超过前N个通道的以上的）必须被设置成NULL，对于设置了COI的IplImage 结使用cvCopy 也可以从图像中提取单通道。


AddWeighted
计算两数组的加权值的和
void  cvAddWeighted( const CvArr* src1, double alpha,
                     const CvArr* src2, double beta,
                     double gamma, CvArr* dst );
src1
第一个原数组.
alpha
第一个数组元素的权值
src2
第二个原数组
beta
第二个数组元素的权值
dst
输出数组
gamma
添加的常数项。
函数 cvAddWeighted 计算两数组的加权值的和：
dst(I)=src1(I)*alpha+src2(I)*beta+gamma
所有的数组必须有相同的类型相同的大小（或ROI大小）

具体实现例题为： 

#include "StdAfx.h"
#include <stdio.h>  
#include <cv.h>  
#include <highgui.h>  
#include <cxcore.h>  
void sum_rgb( IplImage* src , IplImage* dst)  
{  
	IplImage* r = cvCreateImage( cvGetSize(src) , IPL_DEPTH_8U , 1);  
	IplImage* g = cvCreateImage( cvGetSize(src) , IPL_DEPTH_8U , 1);  
	IplImage* b = cvCreateImage( cvGetSize(src) , IPL_DEPTH_8U , 1); 
	cvSplit( src, r, g, b,NULL );  
	IplImage* s = cvCreateImage( cvGetSize(src) , IPL_DEPTH_8U , 1);  
	cvAddWeighted( r, 1./3., g, 1./3., 0.0 , s);  
	cvAddWeighted( s, 2./3., b, 1./3., 0.0 , s);  
	cvThreshold( s, dst, 100, 100, CV_THRESH_TRUNC );  
	cvReleaseImage( &r );  
	cvReleaseImage( &g );  
	cvReleaseImage( &b );  
	cvReleaseImage( &s );  
}  
void main()  
{  
	cvNamedWindow( "src", 1 );  
	cvNamedWindow( "cvThreshold", 1 );  
	IplImage* src = cvLoadImage("lena.png");  
	IplImage* dst = cvCreateImage(cvGetSize( src ), src->depth, 1);  
	sum_rgb( src, dst );  
	cvShowImage( "src", src );  
	cvShowImage( "cvThreshold", dst );  
	while( 1 )  
	{  
		if( cvWaitKey( 10 ) ==27 )  
			break;  
	}  
	cvDestroyWindow( "cvThreshold" );  
	cvReleaseImage( &src );  
	cvReleaseImage( &dst );  

}

运算结果为：


另外一种实现方式为，该种实现方式目标图像与原图像一致，再次采用cvConvertScale实现，

ConvertScale
使用线性变换转换数组
void cvConvertScale( const CvArr* src, CvArr* dst, double scale=1, double shift=0 );
#define cvCvtScale cvConvertScale
#define cvScale  cvConvertScale
#define cvConvert( src, dst )  cvConvertScale( (src), (dst), 1, 0 )
src
输入数组.
dst
输出数组
scale
比例因子.
shift
该加数被加到输入数组元素按比例缩放后得到的元素上
函数 cvConvertScale 有多个不同的目的因此就有多个同义函数（如上面的#define所示）。 该函数首先对输入数组的元素进行比例缩放，然后将shift加到比例缩放后得到的各元素上，即： dst(I)=src(I)*scale + (shift,shift,...)，最后可选的类型转换将结果拷贝到输出数组。
多通道的数组对各个通道是独立处理的。
类型转换主要用舍入和溢出截断来完成。也就是如果缩放+转换后的结果值不能用输出数组元素类型值精确表达，就设置成在输出数组数据轴上最接近该数的值。
如果 scale=1, shift=0 就不会进行比例缩放. 这是一个特殊的优化，相当于该函数的同义函数名：cvConvert 。如果原来数组和输出数组的类型相同，这是另一种特殊情形，可以被用于比例缩放和平移矩阵或图像，此时相当于该函数的同义函数名：cvScale。

还需要用到cvAcc函数，为

Acc
将帧叠加到累积器（accumulator）中
void cvAcc( const CvArr* image, CvArr* sum, const CvArr* mask=NULL );
image
输入图像, 1- 或 3-通道, 8-比特或32-比特浮点数. (多通道的每一个通道都单独处理).
sum
同一个输入图像通道的累积，32-比特或64-比特浮点数数组.
mask
可选的运算 mask.
函数 cvAcc 将整个图像 image 或某个选择区域叠加到 sum 中：


具体实现代码：

#include "StdAfx.h"
#include <stdio.h>  
#include <cv.h>  
#include <highgui.h>  
#include <cxcore.h>  
void sum_rgb( IplImage* src , IplImage* dst)  
{  
	IplImage* r = cvCreateImage( cvGetSize(src) , IPL_DEPTH_8U , 1);  
	IplImage* g = cvCreateImage( cvGetSize(src) , IPL_DEPTH_8U , 1);  
	IplImage* b = cvCreateImage( cvGetSize(src) , IPL_DEPTH_8U , 1); 
	cvSplit( src, r, g, b,NULL );  
	IplImage* s = cvCreateImage( cvGetSize(src) , IPL_DEPTH_32F , 1);  
	cvZero(s);
	cvAcc(b,s);
	cvAcc(g,s);
	cvAcc(r,s);
	cvThreshold(s,s,100,100,CV_THRESH_TRUNC);
	cvConvertScale(s,dst,1,0);
	cvReleaseImage( &r );  
	cvReleaseImage( &g );  
	cvReleaseImage( &b );  
	cvReleaseImage( &s );  
}  
void main()  
{  
	cvNamedWindow( "src", 1 );  
	cvNamedWindow( "cvThreshold", 1 );  
	IplImage* src = cvLoadImage("lena.png");  
	IplImage* dst = cvCreateImage(cvGetSize( src ), IPL_DEPTH_32F, 1);  
	sum_rgb( src, dst );  
	cvShowImage( "src", src );  
	cvShowImage( "cvThreshold", dst );  
	while( 1 )  
	{  
		if( cvWaitKey( 10 ) ==27 )  
			break;  
	}  
	cvDestroyWindow( "cvThreshold" );  
	cvReleaseImage( &src );  
	cvReleaseImage( &dst );  
}

该运算结果有问题，显示结果为白色，还没找到原因。

如图，

参考文献：

1.学习OpenCV，于仕祺，刘瑞祯，清华大学出版社，pp.155-159

2.http://www.opencv.org.cn/index.php/Cxcore%E6%95%B0%E7%BB%84%E6%93%8D%E4%BD%9C

3.http://www.opencv.org.cn/index.php/Cv%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86#Threshold

4.http://blog.csdn.net/cartoonface/article/details/5998827

superdont
关注
专栏目录
Opencv学习笔记 - OpenCV 4机器学习算法简介
学以致用 知行合一
11-16 5029
在机器学习中，一些比较流行方法的包括：支持向量机（SVM）、人工神经网络（ANN）、聚类、k-最近邻、决策树和深度学习。OpenCV支持并实现几乎所有这些方法，并有详细的文档说明。 OpenCV 4 机器学习算法 OpenCV实现了其中的八种机器学习算法，所有这些算法都继承自StatModel类，这八种算法是： ·人工神经网络 ·随机树 ·期望最大化 ·k-最近邻 ·............
Opencv学习笔记-00
zhao602Q的博客
12-10 2331
import cv2 # 引用cv类 print(cv2.getVersionString()) # 查看opencv的版本 image = cv2.imread(“J8.jpg”) # 读取图片赋给image print(image.shape) # 打印维度 (325,550,3)325和550是横行和纵行，3是三原色彩色通道 cv2.imshow(“image”, image) # 显示image图片到image窗口 cv2.waitKey()#暂停窗口，等待键盘输入 import cv2
opencv之阈值二值化
qq_35641067的博客
04-28 2907
阈值分割（二值化） 阈值分类 1.全局阈值 定义:全局只使用一个阈值进行二值划分 缺点:没有考虑光照，明暗变化，用全局阈值可能会丢失图像信息 2.局部自适应阈值 定义:对不同区域设置不同的阈值，利用这些不同的阈值进行局部的划分,这些阈值通常是像素的像素邻域内的平均值，中值或者高斯加和值。 阈值的求法 1.大津阈值（最大类间方差法） 原理:选取类间方差最大的阈值作为全局阈值划分 ...
opencv c++函数 imgproc模块 5 基本的阈值操作
CV菜鸟的学习之路
04-26 1434
目标： 本节简介： OpenCV中的阈值(threshold)函数： threshold 的运用。 基本理论： 注意： 本节的解释出自Bradski与Kaehler的书籍 Learning OpenCV 。 什么是阈值？ 最简单的图像分割的方法。 应用举例：从一副图像中利用阈值分割出我们需要的物体部分（当然这里的物体可以是一部分或者整体）
Opencv3笔记15——阈值化
绝尘
08-06 813
1 线性滤波 1.1 平滑处理 平滑处理(smoothing)也称模糊处理(bluring)，常用于减少图像上的噪点或者失真，降低图像分辨率 1.2 图像滤波与滤波器 目的： 抽出对象的特征作为图像识别的特征模式适应图像处理的要求 消除图像数字化混入的噪声 要求： 不能损坏图像的轮廓及边缘等重要的信息 图像清晰视觉效果好 平滑滤波的目的： 模糊消除噪声 空间域平滑...
opencv 图像阈值 二值化处理
凉_白开的博客
11-27 4461
opencv 图像阈值 二值化处理
Opencv学习笔记-----图像阈值化处理
JackyChuan
11-27 2151
一、OTSU阈值化处理(非API实现) OTSU又称大津算法，是nobuyuki otsu于1979年提出的一种寻找图像阈值的最大类间方差算法。 OTSU算法的步骤如下:          (1)、统计灰度级[0,255]中每个像素在整幅图像中的个数。          (2)、计算每个像素在整个灰度级的分布情况。          (3)、对整个灰度级遍历，计算当前灰度值下的前、背景类
OpenCV-python 学习笔记 OpenCV图像阈值1
08-03
OpenCV-python 学习笔记 OpenCV图像阈值 OpenCV 提供了两种阈值处理方法：简单阈值和自适应阈值。阈值处理是指将图像分割成不同的区域，以便后续处理和分析。 简单阈值 简单阈值处理使用 `cv2.threshold()` 函数...
OpenCV学习笔记-inRange()阈值操作函数怎么用
Home_Wood的博客
03-19 6164
在本教程中，您将学习如何： - 使用OpenCV cv :: inRange函数执行基本阈值操作。 - 基于HSV颜色空间中的像素值范围来检测对象。
基于OpenCV的图像二值化（阈值可调）
03-14
这是一段基于OpenCV的图像二值化实例代码，阈值可以通过滑动条来调节，可以观察不同阈值。具体分析见博客http://blog.csdn.net/primetong/article/details/79211648
python-opencv 图像阈值二值化
qq_45804132的博客
02-15 2345
本文讲解基于OpenCV-python的图像二值化API及浅显原理讲解 文章目录阈值一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 阈值 在python的OpenCV中，阈值是图像二值化的必要条件，所谓阈值就是设定一个指，对于整张图片来说，大于该值的像素点重赋值为一个值，或者小于该值的像素点重赋值为多少。 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本
二值图像分析：OpenCV中的二值化阈值操作
Hundreays
02-20 3767
二值图像分析：OpenCV中的二值化阈值操作1.二值图像的定义2.OpenCV中的基本阈值操作3.OTSU二值寻找算法3.TRIANGLE二值寻找算法4.自适应二值化阈值算法 1.二值图像的定义 二值图像就是图像中灰度值只有2个的图像，一般就是黑白图像，2个灰度值分别为0（表示黑色）和255（表示白色）。二值图像处理与分析在机器视觉与机器人视觉中非常重要，涉及到非常多的图像处理相关的知识。 常见的二值图像分析包括轮廓分析、对象测量、轮廓匹配与识别、形态学处理与分割、各种形状检测与拟合、投影与逻辑操作、轮廓特
3.1阈值化操作
weixin_30852367的博客
08-13 83
cv::threshold() cv::adaptiveThreshold() Otsu算法比较： 1、直接阈值化——cv::threshold() 每一种阈值化操作类型效果： 2、Otsu算法 这种阈值化的结果相对来说比较理想，可以避免寻找合适阈值的操作，但是这种方式运算量较大，费时。 3、cv::adaptiveThreshold() 直接阈值化操作是一...
OpenCV之阈值化（二进制图片/二值化）
kicinio的博客
10-17 583
二进制转换 Java代码（JavaFX Controller层） public class Controller{ @FXML private Text fxText; @FXML private ImageView imageView; @FXML public void handleButtonEvent(ActionEvent actionEvent) { Node source = (Node) actionEvent.getSource();
【拜小白opencv】25-综合示例——8种阈值化操作【OTSU阈值化、自适应阈值化、二进制阈值化、反二进制阈值化、截断阈值化、阈值化为0、反阈值化为0，双阈值化】
拜小白的成长之路，告别小白
08-28 3143
综合示例——8种阈值化操作【OTSU阈值化、自适应阈值化、二进制阈值化、反二进制阈值化、截断阈值化、阈值化为0、反阈值化为0，双阈值化】
OpenCV阈值分割_二值化
胖虎卖汤圆的博客
04-29 619
Datawhale 计算机视觉基础-图像处理（上）-Task05 图像分割/二值化 5.1 简介 该部分的学习内容是对经典的阈值分割算法进行回顾，图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，...
【C++ OpenCV】阈值二值化、阈值反二值化、截断、阈值取零、阈值反取零、自适应阈值使用方法以及时机
最新发布
dagengen12138的博客
06-13 5983
阈值：简单来说就是一把分割图像像素的标尺，在二值化处理中有固定阈值和自适应阈值两种形式。那么什么时候用固定阈值，什么时候使用自适应阈值呢？答：当图像，且目标和背景容易区分时，可以采用固定阈值当图像，且有，虽然使用大津法和三角形法也可以自己寻找阈值，但整个图像阈值都是相同，所以最终分割效果较差。所以，可以用，或者将整个图像成几行几列，对每个部分运用大津法或者三角形法，最后将图形整合，这样每一部分的阈值就不相同，分割效果也会更好。
Opencv 阈值化处理
GUI1259802368的博客
05-18 448
阈值化算法（使用滑动条） #include <opencv2/opencv.hpp> using namespace std; using namespace cv; #define WINDOW_NAME "【程序窗口】" int g_nThresholdValue = 100; int g_nThresholdType = 3; Mat g_srcImage, g_gray...
OpenCV-python图像阈值详解与实战应用
在OpenCV-python的学习笔记中，图像阈值是处理图像数据的重要步骤，它用于将图像中的像素值分为两个或更多的离散区间。本部分主要关注cv2.threshold()函数，这是OpenCV库中实现基本阈值操作的核心函数。这个函数用于...
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

superdont

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值