学习OpenCV 08 阈值化操作

学习OpenCV 08 阈值化操作

图像处理过程中经常会遇到这种情况：完成多层处理步骤并需要作出一个最终决定，或者将高于或低于某一值的像素置零同时其他的像素保持不变，即阈值化操作。

全局阈值cv::threshold()

cv::threshold()实现了阈值化操作的功能，其原理是给定一个数组和阈值，对于数组中每个值，根据其高于或低于这个阈值作出相应处理。

double cv::threshold(
    cv::InputArray    src,            //输入图像
    cv::OutputArray   dst,            //输出图像
    double            thresh,         //阈值
    double            maxValue,       //向上操作的最大值
    int               thresholdType   //使用的阈值化类型
);

cv::threshold()中thresholdType可选项

阈值类型	含义	操作	数值代码
cv::THRESH_BINARY	二值化阈值	dst=(src>thresh)?maxValue:0	0
cv::THRESH_BINARY_INV	反二值化阈值	dst=(src>thresh)?0:maxValue	1
cv::THRESH_TRUNC	截断	dst=(src>thresh)?thresh:src	2
cv::THRESH_TOZERO	置0阈值	dst=(src>thresh)?src:0	3
cv::THRESH_TOZERO_INV	反置0阈值	dst=(src>thresh)?0:src	4

 

 

 

 

 

 

 

不同阈值类型对应的结果，图中水平直线对应于第一幅图中特定的阈值

 

自适应阈值cv::adaptiveThreshold()

cv::adaptiveThreshold()的阈值可以在整个阈值化过程中自动产生变化。

void cv::adaptiveThreshold(
    cv::InoutArray    src,                //输入图像
    cv::OutputArray   dst,                //输出图像
    double            maxValue,           //向上操作的最大值
    int               adaptiveMethod,     //均值或高斯
    int               thresholdType,      //使用的阈值类型
    int               blockSize,          //区域大小
    double            C                   //常数
)

cv::adaptiveThreshold()根据adaptiveMethod的设置，允许两种不同的自适应阈值方法。这两种方法都是逐个像素地计算自适应阈值，方法是通过计算每个像素位置周围的blockSize*blockSize区域的加权平均值后再减去常数C。两种均值方法如下：

1. cv::ADAPTIVE_THRESH_MEAN_C，则均值时取得的均值是相等的
2. cv::ADAPTIVE_THRESH_GAUSSIAN_C，则(x,y)周围的像素的权值则根据其到中心的的距离通过高斯方程得到

cv::adaptiveThreshold()中的thresholdType与cv::threshold()中的相同，上表已经罗列，注意此函数仅处理单通道8位或浮点数型图像，并且要求源图像和目标图像不同。

注意

相对于一般的阈值化操作，当图像中出现较大的明暗差异时，自适应阈值是非常有效的！！！

全局阈值与自适应阈值的比较：

int main(int argc, char**argv) {
	Mat src = imread("D://somephotos//gjxq.jpg"), graysrc, dst1, dst2;
	cvtColor(src, graysrc, cv::COLOR_BGR2GRAY);//将源图像先变成单通道灰度图像
	imshow("gray single channel", graysrc);
	threshold(graysrc, dst1, 100, 255, cv::THRESH_BINARY_INV);
	adaptiveThreshold(graysrc, dst2, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY_INV, 71, 15);
	imshow("二值化阈值", dst1);
	imshow("自适应二值化阈值", dst2);
	waitKey(0);
	return 0;
}

程序结果如下：

 

很明显，这两个函数分别对光照差距巨大的图像处理结果中，自适应局部阈值化效果非常好。