OpenCV 笔记(7)：基于阈值的图像分割

Java与Android技术栈

于 2023-11-20 09:29:25 发布

阅读量303

点赞数

文章标签： opencv 笔记计算机视觉人工智能

本文链接：https://blog.csdn.net/SLFq6OF5O7aH/article/details/134521788

版权

本文详细介绍了OpenCV中的阈值分割技术，包括threshold()函数的5种处理类型，如THRESH_BINARY、THRESH_BINARY_INV等，并深入讲解了全局阈值分割中的OTSU算法和Triangle算法，以及适用于光照不均图像的自适应阈值分割。通过实例展示了这些方法在图像二值化中的应用。

摘要由CSDN通过智能技术生成

Part11. 阈值分割

图像分割是图像进行视觉分析和模式识别的基本前提，而阈值分割是最简单的图像分割方法。阈值分割是基于灰度值或灰度值的特性来将图像直接划分为区域，实现简单而且计算速度快。

传统图像分割方法.png

11.1 threshold() 函数的5种处理类型

前面的文章提过，OpenCV 提供了基于灰度值的阈值分割函数 threshold()，在使用 threshold() 时先要将图像灰度化。

这个 threshold() 函数提供了 5 种阈值化类型。

THRESH_BINARY

将小于阈值的像素点灰度值置为0；大于阈值的像素点灰度值置为最大值(255)。

THRESH_BINARY_INV

将大于阈值的像素点灰度值置为0；小于阈值的像素点灰度值置为最大值(255)。

THRESH_TRUNC

小于阈值的像素点灰度值不变；大于阈值的像素点灰度值置为该阈值。

THRESH_TOZERO

大于阈值的像素点灰度值不变；小于阈值的像素点灰度值置为0

THRESH_TOZERO_INV

小于阈值的像素点灰度值不变；大于阈值的像素点置为0

下面的例子，通过获取图像的均值作为阈值，来分别展示这五种阈值分割的使用：

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>

using namespace std;
using namespace cv;

int main(int argc,char *argv[])
{
    Mat src = imread(".../landscape.jpg");
    imshow("src",src);

    Mat gray;
    cvtColor(src,gray,COLOR_BGR2GRAY);
    Scalar m = mean(gray);
    int thresh = m[0];

    Mat dst;
    threshold(gray, dst,thresh,255, THRESH_BINARY);
    imshow("thresh_binary",dst);

    threshold(gray, dst,thresh,255, THRESH_BINARY_INV);
    imshow("thresh_binary_inv",dst);

    threshold(gray, dst,thresh,255, THRESH_TRUNC);
    imshow("thresh_trunc",dst);

    threshold(gray, dst,thresh,255, THRESH_TOZERO);
    imshow("thresh_tozero",dst);