OpenCV中的自适应阈值分割(Adaptive Thresholding)可以根据局部图像的灰度值自适应地确定阈值,从而得到更好的二值化效果。该算法主要包括以下步骤:
- 定义图像块大小和计算方法,即对于每个像素,都会在其周围的图像块内计算一个局部阈值。
- 对于每个像素,计算其所在图像块内像素灰度值的平均值(或高斯加权平均值),并将该值作为局部阈值。
- 将局部阈值与该像素的灰度值进行比较,若大于局部阈值则将其置为白色,否则将其置为黑色。
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
// 读入图像
Mat src = imread("test.jpg", IMREAD_GRAYSCALE);
if (src.empty())
{
cout << "Cannot load image!" << endl;
return -1;
}
// 自适应阈值分割
Mat dst;
adaptiveThreshold(src, dst, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 11, 2);
// 显示结果
imshow("Source Image", src);
imshow("Adaptive Thresholding", dst);
waitKey();
return 0;
}
其中,adaptiveThreshold
函数的参数含义如下:
src
:输入图像。dst
:输出图像,即二值化后的图像。255
:输出图像的最大值,即白色像素的值。ADAPTIVE_THRESH_GAUSSIAN_C
:局部阈值计算方法,表示使用高斯加权平均值计算局部阈值。THRESH_BINARY
:二值化方法,表示将小于局部阈值的像素置为黑色,大于等于局部阈值的像素置为白色。11
:图像块大小,表示局部阈值计算时考虑的像素范围。2
:局部阈值计算时减去的常数,用于调整阈值大小。