Opencv_11 阈值分割

一. 全局阈值分割

全局阈值分割指的是使用一个固定的阈值,大于这个阈值的设定为一个颜色,小于或者等于这个阈值的像素设定为另外一种颜色.

函数原型:

double threshold( InputArray src, OutputArray dst,
                               double thresh, double maxval, int type );

• src: 要处理的图像,一般是灰度图像
• dst: 输出图像
• thres: 设定的阈值
• maxval: 灰度的最大值,一般为255,用来指明阈值分割中最大值的取值,主要指阈值二值化和反二值化中
• type: 阈值分割的方式

``

阈值分割案例

#include "MyOpencv.h"

int main(void)
{
	Mat original = cv::imread("test_02.bmp", IMREAD_GRAYSCALE);
	imshow("Original", original);
	Mat dst;
	// 阈值二值化
	cv::threshold(original, dst, 127, 255, cv::THRESH_BINARY);
	imshow("ThresBinary", dst);
	
	// 阈值反二值化
	cv::threshold(original, dst, 127, 255, cv::THRESH_BINARY_INV);
	imshow("ThresBinaryInv", dst);

	// 阈值截断
	cv::threshold(original, dst, 127, 255, cv::THRESH_TRUNC);
	imshow("ThresTrunc", dst);

	// 阈值取零
	cv::threshold(original, dst, 127, 255, cv::THRESH_TOZERO);
	imshow("ThresToZero", dst);

	// 阈值反取零
	cv::threshold(original, dst, 127, 255, cv::THRESH_TOZERO_INV);
	imshow("ThresToZeroInv", dst);

	waitKey(0);
}

二. Otsu阈值分割(大律法)

① 大律法阈值分割的原理

对于图像I(x,y),前景(即目标)和背景的分割阈值记为T,属于前景的像素点数占整幅图像的比例记为w0,其平均灰度u0;背景像素点数占整幅图像的比例记为w1,其平均灰度记为u1.图像的总平均灰度记为u,类间方差记为g.假设图像的大小为M*N,图像中像素的灰度值小于阈值T的像素个数记为N0,像素灰度大于阈值T的像素个数记为N1,则有:


使用方式:
阈值分割的时候加上type里面加上标志: THRES_OTSU即可,最终进行阈值分割的阈值会返回

	double T = cv::threshold(original, dst, 0, 255, cv::THRESH_OTSU);
	cout << "大律法进行阈值分割的阈值: " << T << endl;
	imshow("OtsuThresBinary", dst);

结果:

三. 自适应阈值(局部阈值)

① 自适应阈值分割的原理

在自适应阈值处理中,平滑算子的尺寸决定了分割出来的物体的尺寸,如果滤波器尺寸太小,那么估计出的局部阈值将不理想.凭经验,平滑算子的宽度必须大于被识别物理题的宽度,窗口的尺寸越大,平滑后结果越能更好地作为每个像素的阈值参考,也不能无限大.
假设输入的图像为I,宽度为W,高度为H,自适应阈值分割的步骤如下:

1. 对图像进行平滑处理,平滑结果为f(I),其中平滑可以是均值平滑,高斯平滑
2. 自适应阈值矩阵 Thresh = (1-ratio) * f(I), 一般令 ratio = 0.15
3. 利用局部阈值分割规则
   

② 自适应阈值分割的函数原型

void cv::adaptiveThreshold	( InputArray 	src,
                              OutputArray 	dst,
                              double 		maxValue,
                              int 			adaptiveMethod,
                              int 			thresholdType,
                              int 			blockSize,
                              double 		C 
                              )	

算法思想: 局部二值化

• step1: 对某个像素值,原来的S,取其周围N*N的区域,求区域均值或者高斯加权值,记为T.
• step2: 对图像,如果S>T,则该像素二值化为255,否则为0
  可以出入参数C,C可以是任何数,当S>T-C,则把原像素二值化为255.

参数C的作用,其实就是改变计算后的阈值,比如计算后的阈值是12,如果加上一个C,其阈值就变成了12+C

③ 自适应阈值分割代码示例

#include "MyOpencv.h"

int main(void)
{
	Mat original = cv::imread("test_03.bmp", cv::IMREAD_GRAYSCALE);
	imshow("Original", original);

	// 使用大律法进行阈值分割
	Mat dst;
	cv::threshold(original, dst, 0, 255, cv::THRESH_OTSU);
	imshow("Otsu", dst);

	// 使用固定阈值分割
	cv::threshold(original, dst, 127, 255, cv::THRESH_BINARY);
	imshow("ThresBinary", dst);

	// 使用自适应阈平均阈值值分割,并且C为0
	adaptiveThreshold(original, dst, 255, cv::ADAPTIVE_THRESH_MEAN_C,
	 cv::THRESH_BINARY, 19, 0);
	imshow("Mean_C(0)", dst);

	// 使用自适应阈值高斯均值,并且C为10
	adaptiveThreshold(original, dst, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, 
	cv::THRESH_BINARY, 5, 2);
	imshow("Gaussian_Mean_C(10)", dst);


	waitKey(0);
	return 0;
}