图像二值化

最新推荐文章于 2024-08-13 08:21:22 发布

李大菜鸟_

最新推荐文章于 2024-08-13 08:21:22 发布

阅读量2k

点赞数 2

分类专栏： Opecv4入门文章标签：计算机视觉 opencv 图像识别

本文链接：https://blog.csdn.net/L_30629685/article/details/115730920

版权

Opecv4入门专栏收录该内容

8 篇文章 0 订阅

订阅专栏

本文介绍了图像二值化的概念及其在计算机视觉中的作用，包括固定阈值和自适应阈值两种二值化方法。通过OpenCV库展示了如何使用threshold()和adaptiveThreshold()函数进行图像二值化操作，并提供了相应的代码示例，涉及固定阈值二值化、自适应阈值二值化以及大津法和三角形法等变换。

摘要由CSDN通过智能技术生成

图像二值化

二值图像顾名思义图像中只有两种颜色的信息，通常是黑色和白色。是将普通图像二值化后得到的图像
图像二值化的作用是为了方便提取图像中的信息。二值图像在进行计算机识别时可以增加识别效率。

固定阈二值化

threshold()

double cv::threshold(InputArray		src,
                    OutputArray		dst,
                    double			thresh,
                    double			maxVal,
                    int				type)

待二值化图像：图像只能是CV_8U和CV_32F两种数据类型。对于图像通道数目的要求与选择的二值化方法相关。
dst：二值化后的图像，与输入图像具有相同的尺寸、数据类型和通道数。
thresh：二值化的阈值
maxval：二值化过程中的最大值，它只在THRESH_BINARY和THRESH_BINARY_INV两种二值化方法中才使用。
type：图像二值化方法的标志。

自适应阈二值化

adaptiveThreshold

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

src：待二值化图像
dst：二值化后的图像
maxValue：二值化最大值
adaptivMethod：自适应确定阈值的方法
- 均值法ADAPTIVE_THERESH_MEAN_c
- 高斯法ADAPTIVE_THERESH_GAUSSIAN_C
thresholdType：选择图像二值化方法的标志，只能是THRESH_BINARY和THRESH_BINARY_INV
blockSize：自适应确定阈值的相邻像素邻域大小，一般为3，5，7的奇数
C：从平均值或加权平均值中减去的常数，可以为正，也可以为负。

代码展示

#include <iostream>
#include <opencv2/opencv.hpp>
#include <vector>

using namespace std;
using namespace cv;

int main()
{
	Mat img = imread("lena.png");
	if (img.empty())
	{
		cout << "input picture wrong!" << endl;
		return -1;
	}

	Mat gray;
	cvtColor(img, gray, COLOR_RGB2GRAY);
	Mat img_B, img_B_V, gray_B, gray_B_V, gray_T, gray_T_V, gray_TRUNC;

	// 彩色图像二值化
	threshold(img, img_B, 125, 255, THRESH_BINARY);
	threshold(img, img_B_V, 125, 255, THRESH_BINARY_INV);
	imshow("img_B", img_B);
	imshow("img_B_V", img_B_V);

	// 灰度图BINARY二值化
	threshold(gray, gray_B, 125, 255, THRESH_BINARY);
	threshold(gray, gray_B_V, 125, 255, THRESH_BINARY_INV);
	imshow("gray_B", gray_B);
	imshow("gray_B_V", gray_B_V);

	// 灰度图TOZERO变换
	threshold(gray, gray_T, 125, 255, THRESH_TOZERO);
	threshold(gray, gray_T_V, 125, 255, THRESH_TOZERO_INV);
	imshow("gray_T", gray_T);
	imshow("gray_T_V", gray_T_V);

	// 灰度图像TRUNC变换
	threshold(gray, gray_TRUNC, 125, 255, THRESH_TRUNC);
	imshow("gray_TRUNC", gray_TRUNC);

	// 灰度图像大津法和三角形法变换
	Mat img_Thr = imread("threshold.png", IMREAD_GRAYSCALE);
	Mat img_Thr_O, img_Thr_T;
	threshold(img_Thr, img_Thr_O, 100, 255, THRESH_BINARY | THRESH_OTSU);
	threshold(img_Thr, img_Thr_T, 125, 255, THRESH_BINARY | THRESH_TRIANGLE);
	imshow("img_Thr", img_Thr);
	imshow("img_Thr_O", img_Thr_O);
	imshow("img_Thr_T", img_Thr_T);

	// 灰度图像自适应二值化
	Mat adaptive_mean, adaptive_gauss;
	adaptiveThreshold(img_Thr, adaptive_mean, 255, ADAPTIVE_THRESH_MEAN_C,
		THRESH_BINARY, 55, 0);
	adaptiveThreshold(img_Thr, adaptive_gauss, 255, ADAPTIVE_THRESH_GAUSSIAN_C,
		THRESH_BINARY, 55, 0);

	imshow("adaptive_man:", adaptive_mean);
	imshow("adaptive_gauss", adaptive_gauss);
	waitKey(0);
	return 0;
}