OpenCV阈值分割

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）。这样的图像分割方法是基于图像中物体与背景之间的灰度差异，而且此分割属于像素级的分割。

为了从一副图像中提取出我们需要的部分，应该用图像中的每一个像素点的灰度值与选取的阈值进行比较，并作出相应的判断。（注意：阈值的选取依赖于具体的问题。即：物体在不同的图像中有可能会有不同的灰度值。

一旦找到了需要分割的物体的像素点，我们可以对这些像素点设定一些特定的值来表示。（例如：可以将该物体的像素点的灰度值设定为：‘0’（黑色）,其他的像素点的灰度值为：‘255’（白色）；当然像素点的灰度值可以任意，但最好设定的两种颜色对比度较强，方便观察结果）。

 

阈值化的类型

二进制阈值化 0: THRESH_BINARY         -当前点值大于阈值时，取Maxval，否则设置为0

• 该阈值化类型如下式所示:

  

• 解释：在运用该阈值类型的时候，先要选定一个特定的阈值量，比如：125，这样，新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于125的像素点的灰度值设定为0。

  

反二进制阈值化1: THRESH_BINARY_INV     -当前点值大于阈值时，设置为0，否则设置为Maxval

• 该阈值类型如下式所示：

  

• 解释：该阈值化与二进制阈值化相似，先选定一个特定的灰度值作为阈值，不过最后的设定值相反。（在8位灰度图中，例如大于阈值的设定为0，而小于该阈值的设定为255）。

  

 

截断阈值化 2: THRESH_TRUNC          -当前点值大于阈值时，设置为阈值，否则不改变

• 该阈值化类型如下式所示：

  

• 解释：同样首先需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。

• （例如：阈值选取为125，那小于125的阈值不改变，大于125的灰度值（230）的像素点就设定为该阈值）。

  

阈值化为0 3: THRESH_TOZERO         -当前点值大于阈值时，不改变，否则设置为0

• 该阈值类型如下式所示：

  

• 解释：先选定一个阈值，然后对图像做如下处理：像素点的灰度值大于该阈值的不进行任何改变； 像素点的灰度值小于该阈值的，其灰度值全部变为0。

反阈值化为0 4: THRESH_TOZERO_INV     -当前点值大于阈值时，设置为0，否则不改变

• 该阈值类型如下式所示：

  

• 解释：原理类似于0阈值，但是在对图像做处理的时候相反，即：像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

 

还有其他的常用：CV_THRESH_OTSU 大津阈值和自适应阈值adaptiveThreshold

大津法OTSU（最大类间方差法）

Otsu分割方法求取阈值是求得使类间方差最大的阈值，Otsu方法加权地使用了两类的灰度均值信息和概率密度信息，考虑了两类的分布，在实际的应用中取得了很好的效果

在实际运用过程中，大津法表现得最稳定，且无需参数，对于现实图像保持了最好的均匀性和形状特性，而且被商业软件GIMP 和学术软件Matlab采纳为自动阈值法。

大津算法可以从图像直方图上有一个更为直观的理解：大津阈值大致上是直方图两个峰值之间低谷的值。

Otsu 方法也不是万能的。当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好。这时就要考虑其他的办法了

示例代码C++：

/************************************************************************/
/* 
OpenCV阈值分割函数：threshold()
函数原型：
double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type)
参数含义：
InputArray src      -原图像
OutputArray dst     -输出图像
double thresh       -阈值大小
double maxval       -最大值
int type            -阈值模式
阈值模式有以下几种类型
0: THRESH_BINARY         -当前点值大于阈值时，取Maxval，否则设置为0
1: THRESH_BINARY_INV     -当前点值大于阈值时，设置为0，否则设置为Maxval
2: THRESH_TRUNC          -当前点值大于阈值时，设置为阈值，否则不改变
3: THRESH_TOZERO         -当前点值大于阈值时，不改变，否则设置为0
4: THRESH_TOZERO_INV     -当前点值大于阈值时，设置为0，否则不改变
//
CV_THRESH_MASK        =7
CV_THRESH_OTSU        =8  
*/
/************************************************************************/


#include <opencv2\imgproc\imgproc.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <iostream>

using namespace cv;
using namespace std;

#define WINDOW_NAME "阈值处理"

//定义滑动条初始值
int g_nThresholdValue=100;  //阈值初始值
int g_nThresholdType=0;     //阈值模式初始值

Mat g_srcImage,g_grayImage,g_dstImage;

void on_Threshold(int ,void*);//回调函数

int main()
{
	g_srcImage=imread("dog.jpg");//读入图片
	if(!g_srcImage.data)
	{
		cout<<"读入错误"<<endl;
		return -1;
	}

	//转换为灰度图
	cvtColor(g_srcImage,g_grayImage,COLOR_RGB2GRAY);//更多转换方式参见官方文档
	//显示原图
	imshow("原图",g_srcImage);

	//大津阈值
	threshold(g_grayImage,g_dstImage,0,255,CV_THRESH_OTSU); 
	//自适应阈值
	//adaptiveThreshold(g_grayImage,g_dstImage,255,0,0,7,9);
	imshow(WINDOW_NAME,g_dstImage);  
	waitKey();

	//创建滑动条
	namedWindow(WINDOW_NAME);
	createTrackbar("模式",WINDOW_NAME,&g_nThresholdType,4,on_Threshold);
	createTrackbar("阈值",WINDOW_NAME,&g_nThresholdValue,255,on_Threshold);

	//使用回调函数显示图像
	on_Threshold(0,0);

	waitKey();
	return 0;
}

void on_Threshold(int,void*)
{
	//进行阈值分割
	threshold(g_grayImage,g_dstImage,g_nThresholdValue,255,g_nThresholdType);
	//显示结果
	imshow(WINDOW_NAME,g_dstImage);
}

 

效果展示：

大津阈值：

 

其他基本类型：

 

最大熵阈值分割

二维最大熵阈值分割原理

OpenCV - 区域生长算法

 

文献参考：

1.https://blog.csdn.net/xw20084898/article/details/22101323

2.http://www.cnblogs.com/Tang-tangt/p/9420405.html