OPENCV的学习：AdaptiveThreshold函数

AdaptiveThreshold
自适应阈值方法 

void cvAdaptiveThreshold( const CvArr* src, CvArr* dst, double max_value,
int adaptive_method=CV_ADAPTIVE_THRESH_MEAN_C,
int threshold_type=CV_THRESH_BINARY,
int block_size=3, double param1=5 );
src 
输入图像. 
dst 
输出图像. 
max_value 
使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值. 
adaptive_method 
自适应阈值算法使用：CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C （见讨论）. 
threshold_type 
取阈值类型：必须是下者之一 
CV_THRESH_BINARY, 
CV_THRESH_BINARY_INV 
block_size 
用来计算阈值的象素邻域大小: 3, 5, 7, ... 
param1 
与方法有关的参数。对方法 CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C， 它是一个从均值或加权均值提取的常数（见讨论）, 尽管它可以是负数。 
函数 cvAdaptiveThreshold 将灰度图像变换到二值图像，采用下面公式： 

threshold_type=CV_THRESH_BINARY:
dst(x,y) = max_value, if src(x,y)>T(x,y)
0, otherwise

threshold_type=CV_THRESH_BINARY_INV:
dst(x,y) = 0, if src(x,y)>T(x,y)
max_value, otherwise
其中 TI 是为每一个象素点单独计算的阈值 

对方法 CV_ADAPTIVE_THRESH_MEAN_C，先求出块中的均值，再减掉param1。 

对方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C ，先求出块中的加权和(gaussian)， 再减掉param1。

 

例子：

 

/************cvAdaptiveThreshold Example************/ #include "highgui.h" #include "cv.h" #include <stdlib.h> #include <stdio.h> char wnd1[] = "in"; char wnd2[] = "out"; //读取trackbar上的两个值,实际两参数计算在on_track里 int _blocksize = 0; int _param1 = 0; IplImage *pImg = NULL;    //源图像 IplImage *pGray = NULL;   //灰度图 IplImage *pOut = NULL;    //二值图 void on_track(int position);  //trackbar回调函数 int main(int argc, char **argv) {     cvNamedWindow(wnd1, 1);     cvNamedWindow(wnd2, 1);     pImg = cvLoadImage(argv[1]);     pGray = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);     pOut = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);     cvCvtColor(pImg, pGray, CV_RGB2GRAY);     //创建两个滑动条     cvCreateTrackbar("blocksize", wnd2, &_blocksize, 50, on_track);     cvCreateTrackbar("param1", wnd2, &_param1, 100, on_track);     cvShowImage(wnd1, pImg);     cvWaitKey(0);     cvReleaseImage(&pImg);     cvReleaseImage(&pOut);     cvReleaseImage(&pGray);     cvDestroyWindow(wnd1);     cvDestroyWindow(wnd2);     return 0; } void on_track(int position) {     int blocksize = _blocksize * 2 + 3;     //计算阈值的像素邻域大小3,5,7...     int param1 = _param1 - 50;    //被均值和加权均值减去的常量, 范围取[-50,50]     cvAdaptiveThreshold(pGray,                         pOut,                         255,                         CV_ADAPTIVE_THRESH_MEAN_C,                         CV_THRESH_BINARY, blocksize, param1                         );     printf("blocksize: %d, param1: %d\n", blocksize, param1);     cvShowImage(wnd2, pOut); }