OpenCV.阈值取零

阈值取零

阈值取零即为大于阈值的就返回原值,小于阈值的则返回0。可以保留原峰点去除特征不太明显的样本。在OpenCV中该类的实现依赖于threshold() 函数。下面是该函数的声明:

threshold(src, dst, thresh, maxval, type);

各参数解释

  • src
    表示此操作的源(输入图像)的Mat对象。

  • mat
    表示目标(输出)图像的类Mat的对象。

  • thresh
    表示阈值T。

  • maxval
    表示最大灰度值,一般为255。

  • type
    表示要使用的阈值类型的整数类型变量,阈值取零为mgproc.THRESH_TOZERO

其数学描述解释如下:

  • 对于给定的src(x,y),若其像素值大于阈值T(thresh),则其返回像素最大值,否则为0。

在这里插入图片描述

  • 那么dst其像素描述如下:

在这里插入图片描述

Java代码(JavaFX Controller层)

public class Controller{

    @FXML private Text fxText;
    @FXML private ImageView imageView;
    @FXML private Label resultLabel;

    @FXML public void handleButtonEvent(ActionEvent actionEvent) throws IOException {

        Node source = (Node) actionEvent.getSource();
        Window theStage = source.getScene().getWindow();
        FileChooser fileChooser = new FileChooser();
        FileChooser.ExtensionFilter extFilter = new FileChooser.ExtensionFilter("PNG files (*.png)", "*.png");
        fileChooser.getExtensionFilters().add(extFilter);
        fileChooser.getExtensionFilters().add(new FileChooser.ExtensionFilter("JPG Files(*.jpg)", "*.jpg"));
        File file = fileChooser.showOpenDialog(theStage);

        runInSubThread(file.getPath());

    }

    private void runInSubThread(String filePath){
        new Thread(new Runnable() {
            @Override
            public void run() {
                try {
                    WritableImage writableImage = thresholdOfZero(filePath);

                    Platform.runLater(new Runnable() {
                        @Override
                        public void run() {
                            imageView.setImage(writableImage);
                        }
                    });

                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }).start();
    }
    
    private WritableImage thresholdOfZero(String filePath) throws IOException {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        Mat src = Imgcodecs.imread(filePath);
        Mat dst = new Mat();

        Imgproc.threshold(src, dst, 80, 255, Imgproc.THRESH_TOZERO);

        MatOfByte matOfByte = new MatOfByte();
        Imgcodecs.imencode(".jpg", dst, matOfByte);

        byte[] bytes = matOfByte.toArray();
        InputStream in = new ByteArrayInputStream(bytes);
        BufferedImage bufImage = ImageIO.read(in);

        WritableImage writableImage = SwingFXUtils.toFXImage(bufImage, null);

        return writableImage;
    }

}


运行图
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV中的自适应阈值是一种基于图像局部区域的阈值处理方法。它可以自适应地调整每个像素的阈值,根据该像素周围的像素强度值来确定是否将其分为前景或背景。 在OpenCV中,可以使用`cv2.adaptiveThreshold()`函数来实现自适应阈值。该函数的语法如下: ``` cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) ``` 其中,参数含义如下: - `src`:输入图像。 - `maxValue`:最大值(一般为255)。 - `adaptiveMethod`:自适应阈值算法类型,可选值为`cv2.ADAPTIVE_THRESH_MEAN_C`和`cv2.ADAPTIVE_THRESH_GAUSSIAN_C`,分别代表基于均值和高斯加权平均的算法。 - `thresholdType`:二值化类型,可选值为`cv2.THRESH_BINARY`和`cv2.THRESH_BINARY_INV`,分别代表二值化和反二值化。 - `blockSize`:计算阈值的像素邻域大小。 - `C`:阈值计算时的常数项,一般取0。 - `dst`(可选):输出图像。 下面是一个示例代码,演示如何使用自适应阈值对一张灰度图像进行二值化处理: ``` import cv2 img = cv2.imread('image.png', 0) # 使用自适应阈值进行二值化处理 thresh = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2) cv2.imshow('Original Image', img) cv2.imshow('Adaptive Thresholding Result', thresh) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述代码中,我们首先使用`cv2.imread()`函数读取一张灰度图像,然后使用`cv2.adaptiveThreshold()`函数对其进行自适应阈值二值化处理,最后使用`cv2.imshow()`函数将原始图像和处理结果显示出来。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值