图像阈值(threshold)

阈值是什么？

• 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）。

阈值类型

• 为了解释阈值分割的过程，我们来看一个简单有关像素灰度的图片，该图如下。该图中的蓝色水平线代表着具体的一个阈值。
  

1. 阈值二值化（threshold binary）

• 该阈值类型如下式所示：
  
• 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。
  

2. 阈值反二值化（threshold binary inverted）

• 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）。

3. 截断（truncate）

• 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）。
  

4. 阈值取零（threshold of zero）

• 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：1 像素点的灰度值大于该阈值的不进行任何改变；2 像素点的灰度值小于该阈值的，其灰度值全部变为0。
  

5. 阈值反取零（threshold of zero inverted）

• 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。
  

API说明

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

• 参数：
  src：原图像。
  dst：结果图像。
  thresh：当前阈值。
  maxVal：最大阈值，一般为255。
  thresholdType：阈值类型。

• 返回值：
  retval： 与参数thresh一致
  dst： 结果图像

• 阈值类型：
  THRESH_BINARY = 0,
  THRESH_BINARY_INV = 1,
  THRESH_TRUNC = 2,
  THRESH_TOZERO = 3,
  THRESH_TOZERO_INV = 4,
  THRESH_MASK = 7,
  THRESH_OTSU = 8,
  THRESH_TRIANGLE = 16

• 注意：
  THRESH_OTSU和THRESH_TRIANGLE是作为优化算法配合THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO以及THRESH_TOZERO_INV来使用的。

  当使用了THRESH_OTSU和THRESH_TRIANGLE两个标志时，输入图像必须为单通道。

• 固定的方法获取图像阈值
  THRESH_OTSU
  THRESH_TRIANGLE
  忽略设置的 thresh 值，会自动生成阈值
  threshold(src, dst, 0, 255, THRESH_TRIANGLE | type);