嵌入式人工智能应用-第三章 opencv操作 5 二值化、图像缩放

嵌入式人工智能应用

1 二值化

1.1 概念介绍

二值化是图像分割的一种重要方法，图像的二值化就是将图像的表示方法缩减成两种状态，要么是 0，要么是 1，对于肉眼看到的就是非黑即白。一幅彩色图像，比如是 RGB888 的，则有 R/G/B 三个通道，每个通道的位深都是 8，所以 R、G、B 都有 0 到 255 的变化空间，表现出来的就是 256 种颜色。三个通道柔和在一起表示一个像素点，就有 224 种颜色。灰度图像是将 RGB 三个通道缩减到一个通道，于是他的变化空间就是 0 到 255，也就是 256 种颜色。二值图像就是将变化范围缩减到 0 到 1，也就是 2 种颜色。

图像处理中非常重要的一步，尤其在图像分析、物体识别、边缘检测中经常用到。

1.2 函数介绍

cv::threshold 是 OpenCV 中用于图像二值化的一个非常重要的函数。它可以将图像中的像素值根据给定的阈值进行分类，并将结果映射为两个值（通常是黑或白）。这个函数不仅支持简单的阈值处理，还支持一些先进的二值化算法。

cv::threshold(
    const cv::Mat& src,        // 输入图像
    cv::Mat& dst,              // 输出图像
    double thresh,             // 阈值（如果是 Otsu 等方法，这个值会被自动计算）
    double maxValue,           // 设定的最大值，通常是255
    int thresholdType          // 阈值类型（例如 THRESH_BINARY, THRESH_OTSU 等）
);

参数解释：
src：输入图像，必须是灰度图（CV_8UC1）。

dst：输出图像，和输入图像大小相同，存储二值化后的结果。

thresh：阈值，决定哪些像素变成白色，哪些变成黑色。

maxValue：最大值，一般设为 255，表示白色。

thresholdType：阈值类型（有多种选择，下面会详细介绍）

阈值类型	说明
THRESH_BINARY	如果像素值大于阈值，输出最大值（如 255），否则输出 0（黑色）。
THRESH_BINARY_INV	与 THRESH_BINARY 相反，像素值大于阈值的变为 0（黑），小于阈值的变为最大值（白）。
THRESH_TRUNC	如果像素值大于阈值，则将该像素值设置为阈值；否则不改变。
THRESH_TOZERO	如果像素值大于阈值，保留原值；否则将其设为 0（黑色）。
THRESH_TOZERO_INV	与 THRESH_TOZERO 相反，像素值小于阈值时保留原值，其他设置为 0（黑）。
THRESH_OTSU	自适应阈值选择方法。该方法通过最大化类间方差来选择最佳的阈值（无需手动设置阈值）。
THRESH_TRIANGLE	基于最大类间方差的阈值选择方法，类似 Otsu，但一般使用自适应的三角形方法。

1.2 基本应用

cv::Mat grayImage = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat binaryImage;
cv::threshold(grayImage, binaryImage, 128, 255, cv::THRESH_BINARY);
// Otsu 二值化
cv::Mat otsuImage;
cv::threshold(grayImage, otsuImage, 0, maxValue, cv::THRESH_BINARY | cv::THRESH_OTSU);

1.3 参考案例

代码将一幅灰度图像进行二值化，然后显示出来。使用 OpenCV 提供的 Mat 定义两个变量，用于存储原始图像和二值化后的图像，OpenCV 提供的 imread 方法可以直接读取灰度图像，第二个参数 flag 默认是1，设置成 0 即可读取灰度图像。使用 OpenCV 提供的 threshold 方法进行二值化处理，处理结果存放在第二个参数 result 中。

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
using namespace cv;
using namespace std;
int main(int argc,char* argv[])
{
 Mat img;
 Mat result;
 img = imread("cyq.jpg",0);
 namedWindow("Image");
 imshow("Image", img);
 threshold(img, result, 100, 255, CV_THRESH_BINARY);
 imshow("output", result);
 waitKey(0);
 return 0;
}

2 图像缩放

2.1 基本概念

在计算机图像处理和计算机图形学中，图像缩放（image scaling）是指对数字图像的大小进行调整的过程。图像缩放是一种非平凡的过程，需要在处理效率以及结果的平滑度（smoothness）和清晰度（sharpness）上做一个权衡。当一个图像的大小增加之后，组成图像的像素的可见度将会变得更高，从而使得图像表现得粗糙。相反地，缩小一个图像将会增强它的平滑度和清晰度，让图像看起来更加细腻。OpenCV 提供的 Resize() 函数非常方便而且效率也非常高。

图像缩放是计算机视觉中一个非常常见的操作。它涉及到改变图像的尺寸，可以用来适应不同的显示设备、节省存储空间，或者为了某些处理操作（比如特征提取、物体检测等。

2.2 函数介绍

cv::resize(
    const cv::Mat& src,          // 输入图像
    cv::Mat& dst,                // 输出图像
    cv::Size dsize,              // 输出图像的尺寸，指定宽度和高度
    double fx = 0,               // 水平缩放因子（默认0，表示不改变）
    double fy = 0,               // 垂直缩放因子（默认0，表示不改变）
    int interpolation = cv::INTER_LINEAR // 插值方法，默认线性插值
);

src：输入图像（可以是彩色图像或灰度图像）。
dst：输出图像，存储缩放后的结果。
dsize：目标图像的大小（cv::Size(width, height)），你可以指定宽度和高度。
fx、fy：缩放因子。如果你不指定 dsize，可以通过这两个因子来控制宽度和高度的缩放比例。例如，fx = 2 表示宽度放大2倍，fy = 0.5 表示高度缩小为原来的一半。
interpolation：插值方法，用于在缩放过程中生成新的像素值。OpenCV 支持多种插值方法，默认是 线性插值（cv::INTER_LINEAR）。

cv::INTER_NEAREST：最近邻插值。最快，但质量较差，可能导致“锯齿状”边缘。

cv::INTER_LINEAR：双线性插值。常用的默认方法，平衡速度和质量，适用于大多数场景。

cv::INTER_CUBIC：三次插值。效果更好，但速度稍慢，适合对质量要求较高的场景。

cv::INTER_LANCZOS4：Lanczos插值。最优的质量，但计算量最大，适用于高质量要求的缩放。

2.3 基本参考代码

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

int main() {
    // 读取图像
    cv::Mat image = cv::imread("image.jpg");
    if (image.empty()) {
        std::cerr << "无法读取图像！" << std::endl;
        return -1;
    }

    // 创建一个目标大小
    cv::Size targetSize(800, 600);  // 将图像缩放到 800x600

    // 输出图像
    cv::Mat resizedImage;

    // 使用 cv::resize 进行图像缩放
    cv::resize(image, resizedImage, targetSize, 0, 0, cv::INTER_LINEAR);

    // 显示原图和缩放后的图像
    cv::imshow("原图", image);
    cv::imshow("缩放后的图像", resizedImage);

    cv::waitKey(0);  // 等待用户按键
    return 0;
}

cv::Mat resizedImage;
cv::resize(image, resizedImage, cv::Size(), 0.5, 0.5, cv::INTER_LINEAR);  // 缩小到原来的一半

2.4 pyrUp 和 pyrDown 函数

pyrUp 和 pyrDown 是 OpenCV 中常用的图像金字塔（Pyramid）操作函数，用于分别对图像进行上采样和下采样。这两个函数是高效实现金字塔图像缩放的工具，通常用于多尺度图像处理，如图像金字塔、图像金字塔加速的图像匹配和特征提取等。

图像金字塔是一种多层次的图像表示方法，它将图像通过不同的分辨率进行降采样和上采样，形成一个金字塔结构。每一层都是前一层的缩小或放大的版本。

金字塔下采样（PyrDown）：逐渐降低图像的分辨率，形成越来越小的图像。
金字塔上采样（PyrUp）：逐渐提高图像的分辨率，形成越来越大的图像。

2.5 函数介绍

1. cv::pyrDown 用于图像的 下采样（缩小），它通过 高斯滤波 平滑图像，然后对其进行 降采样。

cv::pyrDown(const cv::Mat& src, cv::Mat& dst, cv::Size dstsize = cv::Size());

src：输入图像。
dst：输出图像（下采样后的图像）。
dstsize：输出图像的目标尺寸。如果不指定，OpenCV 会自动计算。
默认情况下，目标图像的尺寸是源图像尺寸的一半（宽和高分别缩小为原来的一半）。

2. cv::pyrUp 用于图像的 上采样（放大），它首先会通过 插值 放大图像，然后进行 高斯平滑 来减少模糊。

cv::pyrUp(const cv::Mat& src, cv::Mat& dst, cv::Size dstsize = cv::Size());

src：输入图像。
dst：输出图像（上采样后的图像）。
dstsize：输出图像的目标尺寸。如果不指定，OpenCV 会自动计算。
默认情况下，目标图像的尺寸是源图像尺寸的两倍（宽和高分别增大为原来的两倍）。
功能：
将图像的大小放大一倍，并通过高斯滤波对图像进行平滑，防止在放大过程中产生锯齿和过度模糊。

2.6 参考代码

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <math.h>
#include <stdlib.h>
#include <stdio.h>
using namespace cv;
Mat src, dst, tmp;
const char* window_name = "Pyramids Demo";
int main( int argc, char** argv )
{
 printf( "\n Zoom In-Out demo \n " );
 printf( "------------------ \n" );
 printf( " * [u] -> Zoom in \n" );
 printf( " * [d] -> Zoom out \n" );
 printf( " * [ESC] -> Close program \n \n" );
 src = imread( "cyq.jpg" );
 if( !src.data ){
 printf(" No data! -- Exiting the program \n");
 return -1;
 }
 tmp = src;
 dst = tmp;
 namedWindow( window_name, CV_WINDOW_AUTOSIZE );
 imshow( window_name, dst );
 while( true )
 {
 int c;
 c = waitKey(10);
 if( (char)c == 27 )
 break;
 if( (char)c == 'u' ){ 
 pyrUp( tmp, dst, Size( tmp.cols*2, tmp.rows*2 ) );
 printf( "** Zoom In: Image x 2 \n" );
 }
 else if( (char)c == 'd' ) {
 yrDown( tmp, dst, Size( tmp.cols/2, tmp.rows/2 ) );
 printf( "** Zoom Out: Image / 2\n");
 }
 imshow( window_name, dst );
 tmp = dst;
 }
 return 0;
}

2.7 总结

🔧 resize 是你万能的图像尺寸调节器；
📉 pyrDown 是模糊又平滑的降采样器；
📈 pyrUp 是温柔的图像放大器（带模糊，不够清晰）