c++版opencv基础学习Day2_图像的阈值处理及形态学变换

已于 2023-09-30 10:27:02 修改
阅读量224 收藏 1
点赞数 2
分类专栏： opencv学习 文章标签： opencv 学习 人工智能
于 2023-09-27 19:44:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_63577901/article/details/133344216
版权

图像的阈值处理

二值化处理

  • 将设置的阈值应用于每个通道（阵列）的每个像素，进而过滤太小或太大的像素值。常用于去除噪声。
  • 缺点：具有主观性，难以达到理想的分割效果。 
    #include <opencv2/imgproc.hpp>
函数说明：double cv::threshold( InputArray src, OutputArray dst, double thresh, double maxval, int type );
输入参数：
				src				输入阵列（多通道、8位或32位浮点）。
				dst				与src具有相同大小和类型以及相同通道数的输出数组。
				thresh			阈值。
				maxval			与THRESH_BINARY和THRESH_ BINARY_INV阈值类型一起使用的最大值。
				type			阈值类型。
						cv::THRESH_BINARY = 0 				若大于thresh，则设置为maxval，否则设置为0。（常用）
						cv::THRESH_BINARY_INV = 1 			若大于thresh，则设置为0，否则设置为maxval（反操作）。
						cv::THRESH_TRUNC = 2 				若大于thresh，则设置为thresh，否则保持不变。
						cv::THRESH_TOZERO = 3 				若大于thresh，则保持不变，否则设置为0。
						cv::THRESH_TOZERO_INV = 4 			若大于thresh，则设置为0，否则保持不变（反操作）。
						cv::THRESH_MASK = 5 
						cv::THRESH_OTSU = 6 				全局自适应阈值化（仅适用于8位单通道图像）。适合于直方图具有双峰的情况，其在双峰之间找到阈值；对于非双峰图像不是很好用。
						cv::THRESH_TRIANGLE = 7 			全局自适应阈值化（仅适用于8位单通道图像）。在直方图中，在最亮到最暗处连接一条直线，得到的最大直线距离所对应的直方图位置就是阈值thresh。
								
输出参数：仅当阈值类型为Otsu或Triangle方法时使用，输出自适应的阈值。

    自适应二值化处理

  • 通过窗口内像素的分布特征自适应计算阈值，并进行阈值化处理。详细步骤如下：

        （1）将图像拆分为M x N个区域；
        （2）采用自适应阈值算法（窗口均值阈值法、高斯分布阈值法），计算每个区域的（均值、高斯均值），该值即当前区域的二值化阈值；
        （3）根据每个窗口计算得到的不同阈值（动态），进行阈值化处理。
     

    #include <opencv2/imgproc.hpp>
函数说明：void cv::adaptiveThreshold( InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C );
输入参数：
				src					8位单通道图像。
				dst					与src大小和类型相同的目标图像。
				maxValue			指定给满足条件的像素的非零值
				adaptiveMethod		自适应阈值算法。BORDER_REPLICATE|BORDER_ISOLATED用于处理边界。
							cv::ADAPTIVE_THRESH_MEAN_C = 0 			窗口均值阈值法。计算出领域的平均值再减去参数double C的值
							cv::ADAPTIVE_THRESH_GAUSSIAN_C = 1		高斯分布阈值法。计算出领域的高斯均值再减去参数double C的值
				thresholdType		阈值化类型（只有两个取值）。
							cv::THRESH_BINARY = 0 				若大于thresh，则设置为maxval，否则设置为0。（常用）
							cv::THRESH_BINARY_INV = 1 			若大于thresh，则设置为0，否则设置为maxval（反操作）。
				blockSize			像素邻域大小（单位）：3、5、7，依此类推。自适应阈值算法的阈值计算时使用。
				C					偏移值。自适应阈值算法的阈值计算时使用。

    案例

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;
int main(int argc, char* argv[])
{

	string img_path1 = "D:/系统默认/桌面/RM/sha.jpeg";
	string img_path2 = "D:/系统默认/桌面/RM/tou.jpeg";

	Mat src = imread(img_path1, 1);
	Mat src2 = imread(img_path2, 1);
	
	if (src.empty() || src2.empty()) {
		cout << "can't read image!!" << endl;
		return -1;
	}
	//转换为灰度图
	cv::Mat srcGray;
	cv::cvtColor(src, srcGray, cv::COLOR_RGB2GRAY);

	//（4）阈值化处理
	
	cv::Mat THRESH_BINARY, THRESH_BINARY_INV, THRESH_TRUNC, THRESH_TOZERO, THRESH_TOZERO_INV, THRESH_MASK, THRESH_OTSU, THRESH_TRIANGLE;
	double thresh = 125;
	//设定的阈值
	double maxval = 255;
	//当像素超过我们设定的阈值时赋的值，设为255也就是赋白
	cv::threshold(srcGray, THRESH_BINARY, thresh, maxval, 0);
	cv::threshold(srcGray, THRESH_BINARY_INV, thresh, maxval, 1);
	//以上两个刚好相反，第一个小于阈值置0，第二个相反
	cv::threshold(srcGray, THRESH_TRUNC, thresh, maxval, 2);
	//小于阈值保持原色，大于置灰色
	cv::threshold(srcGray, THRESH_TOZERO, thresh, maxval, 3);
	cv::threshold(srcGray, THRESH_TOZERO_INV, thresh, maxval, 4);
	//以上两个也相反，第一个小于阈值置0，大于保持原色，第二个相反

	//（5）自适应阈值化处理
	/*自适应阈值是更趋于局部性的阈值，将像素点的像素值与该点所在区域的像素值的平均值
	（也有可能是最大值，中位数）来决定该点是属于0还是1*/
	cv::Mat ADAPTIVE_THRESH_MEAN_C0, ADAPTIVE_THRESH_MEAN_C1, ADAPTIVE_THRESH_GAUSSIAN_C0, ADAPTIVE_THRESH_GAUSSIAN_C1;
	int blockSize = 5;
	//方阵大小
	int constValue = 10;
	//常数，每个区域计算出阈值基础上减去这个常熟作为这个区域的最终阈值
	const int maxVal = 255;
	//像素值上限
	cv::adaptiveThreshold(srcGray, ADAPTIVE_THRESH_MEAN_C0, maxVal, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, blockSize, constValue);
	cv::adaptiveThreshold(srcGray, ADAPTIVE_THRESH_MEAN_C1, maxVal, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, blockSize, constValue);
	cv::adaptiveThreshold(srcGray, ADAPTIVE_THRESH_GAUSSIAN_C0, maxVal, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY_INV, blockSize, constValue);
	cv::adaptiveThreshold(srcGray, ADAPTIVE_THRESH_GAUSSIAN_C1, maxVal, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY_INV, blockSize, constValue);
	//不同的赋值方式，加INV的与上面的刚好相反

	//（6）显示图像
	cv::imshow("srcGray", srcGray);

	cv::imshow("img1", THRESH_BINARY);
	cv::imshow("img2", THRESH_BINARY_INV);
	cv::imshow("img3", THRESH_TRUNC);
	cv::imshow("img4", THRESH_TOZERO);
	cv::imshow("img5", THRESH_TOZERO_INV);
	//cv::imshow("img6", THRESH_MASK);
	//cv::imshow("img7", THRESH_OTSU);
	//cv::imshow("img8", THRESH_TRIANGLE);

	cv::imshow("img11", ADAPTIVE_THRESH_MEAN_C0);
	cv::imshow("img22", ADAPTIVE_THRESH_MEAN_C1);
	cv::imshow("img33", ADAPTIVE_THRESH_GAUSSIAN_C0);
	cv::imshow("img44", ADAPTIVE_THRESH_GAUSSIAN_C1);

	cv::waitKey(0);
	return 0;
}

很多很乱哈哈哈

图像的形态学转换

腐蚀

关于腐蚀就是将图像的边界腐蚀掉，或者说使得图像整体上看起来变瘦了。它的操作原理就是卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是1，那么中心元素保持原来的值，否则就变为0。这对于去除白噪声很有用，也可以用于断开两个连载一起的物体。

腐蚀可以应用多次（迭代）。在多通道图像的情况下，每个通道都是独立处理的。若需要将不同的卷积核应用于不同的通道，可使用cv::split。

#include <opencv2/imgproc.hpp>
函数说明：void cv::erode( InputArray src, OutputArray dst, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int 	borderType = BORDER_CONSTANT, const Scalar &borderValue = morphologyDefaultBorderValue() );	
输入参数：
				src									输入图像；通道的数量可以是任意的，这些通道是独立处理的，但深度应该是CV_8U、CV_16U、CV_16S、CV_32F或CV_64F中的一个。
				dst									输出与src大小和类型相同的图像。
				kernel								卷积核大小（单通道浮点矩阵）。如果element=Mat()，则使用一个3x3矩形结构化元素。内核可以使用getStructureElement创建。
				anchor = Point(-1,-1)				锚点。位于卷积核内；默认值(-1，-1)：表示锚点位于内核中心。
				iterations = 1						腐蚀迭代次数（默认1）。迭代N次与连续调用N次的效果是不等同的。
				borderType = BORDER_CONSTANT		边界类型（即边界填充方式）。默认BORDER_CONSTANT。不支持BORDER_WRAP。
									cv::BORDER_CONSTANT = 0 			iiiiii|abcdefgh|iiiiiii			常量法。填充常数值
									cv::BORDER_REPLICATE = 1 			aaaaaa|abcdefgh|hhhhhhh			复制法。复制最边缘像素
									cv::BORDER_REFLECT  = 2 			fedcba|abcdefgh|hgfedcb			反射法。以两边为轴
									cv::BORDER_WRAP = 3 				cdefgh|abcdefgh|abcdefg			外包装法。
									cv::BORDER_REFLECT_101 = 4 			gfedcb|abcdefgh|gfedcba			反射法。以最边缘像素为轴
									cv::BORDER_TRANSPARENT = 5 			uvwxyz|abcdefgh|ijklmno
									cv::BORDER_REFLECT101 = 6 			same as BORDER_REFLECT_101
									cv::BORDER_DEFAULT = 7 				same as BORDER_REFLECT_101
									cv::BORDER_ISOLATED = 8 			do not look outside of ROI
				borderValue = morphologyDefaultBorderValue() 		边界值（在边界不变的情况下）

膨胀

膨胀原理与腐蚀相同，只不过膨胀的时候与卷积核对应的原图像的像素值只要有一个为1，那么中心元素就是1。这么做带来的变化就是图像膨胀了，或者说图像变胖了。

膨胀也可以多次迭代，也可以用split

#include <opencv2/imgproc.hpp>
函数说明：void cv::dilate( InputArray src, OutputArray dst, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar &borderValue = morphologyDefaultBorderValue() );	
输入参数：
				src									输入图像；通道的数量可以是任意的，这些通道是独立处理的，但深度应该是CV_8U、CV_16U、CV_16S、CV_32F或CV_64F中的一个。
				dst									输出与src大小和类型相同的图像。
				kernel								卷积核大小（单通道浮点矩阵）。如果element=Mat()，则使用一个3x3矩形结构化元素。内核可以使用getStructureElement创建。
				anchor = Point(-1,-1)				锚点。位于卷积核内；默认值(-1，-1)：表示锚点位于内核中心。
				iterations = 1						膨胀迭代次数（默认1）。迭代N次与连续调用N次的效果是不等同的。
				borderType = BORDER_CONSTANT		边界类型（即边界填充方式）。默认BORDER_CONSTANT。不支持BORDER_WRAP。
									cv::BORDER_CONSTANT = 0 			iiiiii|abcdefgh|iiiiiii			常量法。填充常数值
									cv::BORDER_REPLICATE = 1 			aaaaaa|abcdefgh|hhhhhhh			复制法。复制最边缘像素
									cv::BORDER_REFLECT  = 2 			fedcba|abcdefgh|hgfedcb			反射法。以两边为轴
									cv::BORDER_WRAP = 3 				cdefgh|abcdefgh|abcdefg			外包装法。
									cv::BORDER_REFLECT_101 = 4 			gfedcb|abcdefgh|gfedcba			反射法。以最边缘像素为轴
									cv::BORDER_TRANSPARENT = 5 			uvwxyz|abcdefgh|ijklmno
									cv::BORDER_REFLECT101 = 6 			same as BORDER_REFLECT_101
									cv::BORDER_DEFAULT = 7 				same as BORDER_REFLECT_101
									cv::BORDER_ISOLATED = 8 			do not look outside of ROI
				borderValue = morphologyDefaultBorderValue() 		边界值（在边界不变的情况下）

形态学变换

#include <opencv2/imgproc.hpp>
函数说明：void cv::morphologyEx( InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor = Point(-1,-1), int 	iterations = 1, int borderType = BORDER_CONSTANT, const Scalar &borderValue = morphologyDefaultBorderValue() );
输入参数：
				src									输入图像；通道的数量可以是任意的，这些通道是独立处理的，但深度应该是CV_8U、CV_16U、CV_16S、CV_32F或CV_64F中的一个。
				dst									输出与src大小和类型相同的图像。
				op									形态学运算的类型。
									cv::MORPH_ERODE = 0			腐蚀操作
									cv::MORPH_DILATE = 1		膨胀操作
									cv::MORPH_OPEN = 2			开运算：先腐蚀再膨胀。用于去除微小干扰点/块。
									cv::MORPH_CLOSE = 3			闭运算：先膨胀再腐蚀。用于填充闭合区域。
									cv::MORPH_GRADIENT = 4		基本梯度：膨胀图（减去）腐蚀图
									cv::MORPH_TOPHAT = 5		顶帽：原图（减去）开运算图。注：顶帽和黑帽用于获取图像中的微小细节。
									cv::MORPH_BLACKHAT = 6		黑帽：闭运算图（减去）原图
									cv::MORPH_HITMISS = 7		“命中或未命中”。仅支持CV_8UC1二进制图像。
				kernel								卷积核大小（单通道浮点矩阵）。如果element=Mat()，则使用一个3x3矩形结构化元素。内核可以使用getStructureElement创建。
				anchor = Point(-1,-1)				锚点。位于卷积核内；默认值(-1，-1)：表示锚点位于内核中心。
				iterations = 1						腐蚀和膨胀的迭代次数（默认1）。两次迭代的顺序：侵蚀+侵蚀+扩张+扩张（而不是侵蚀+扩张+侵蚀+扩张）。
				borderType = BORDER_CONSTANT		边界类型（即边界填充方式）。默认BORDER_CONSTANT。不支持BORDER_WRAP。
									cv::BORDER_CONSTANT = 0 			iiiiii|abcdefgh|iiiiiii			常量法。填充常数值
									cv::BORDER_REPLICATE = 1 			aaaaaa|abcdefgh|hhhhhhh			复制法。复制最边缘像素
									cv::BORDER_REFLECT  = 2 			fedcba|abcdefgh|hgfedcb			反射法。以两边为轴
									cv::BORDER_WRAP = 3 				cdefgh|abcdefgh|abcdefg			外包装法。
									cv::BORDER_REFLECT_101 = 4 			gfedcb|abcdefgh|gfedcba			反射法。以最边缘像素为轴
									cv::BORDER_TRANSPARENT = 5 			uvwxyz|abcdefgh|ijklmno
									cv::BORDER_REFLECT101 = 6 			same as BORDER_REFLECT_101
									cv::BORDER_DEFAULT = 7 				same as BORDER_REFLECT_101
									cv::BORDER_ISOLATED = 8 			do not look outside of ROI
				borderValue = morphologyDefaultBorderValue() 		边界值（在边界不变的情况下）

 获取指定大小和形状的结构化元素

#include <opencv2/imgproc.hpp>
函数说明：Mat cv::getStructuringElement( int shape, Size ksize, Point anchor = Point(-1,-1) );	
输入参数：
				shape				结构化元素的形状。
						cv::MORPH_RECT = 0 			矩形结构化元素：E(i,j)=1
						cv::MORPH_CROSS	= 1			十字形结构元素：E(i,j)=10 if i=anchor.y or j=anchor.x else 0
						cv::MORPH_ELLIPSE = 2		椭圆形结构元素：即内切到矩形Rect(0, 0, esize.width, 0.esize.height)中的填充椭圆。
				ksize				结构化元素的大小。
				anchor				锚点。默认值(−1，−1)表示锚点位于中心。注意，只有十字形元件的形状取决于锚定位置。在其他情况下，锚点只是调节形态学运算的结果偏移了多少。

 案例1

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;
int main(int argc, char* argv[])
{

	string img_path1 = "D:/系统默认/桌面/RM/sha.jpeg";
	string img_path2 = "D:/系统默认/桌面/RM/tou.jpeg";

	Mat src = imread(img_path1, 1);
	Mat src2 = imread(img_path2, 1);
	
	if (src.empty() || src2.empty()) {
		cout << "can't read image!!" << endl;
		return -1;
	}

	Mat gray, binary;
	cvtColor(src, gray, cv::COLOR_BGR2GRAY);
	//灰度化
	threshold(gray, binary, 0, 255, cv::THRESH_BINARY_INV | cv::THRESH_OTSU);
	//二值化



	Mat img_h, img_v;
	int x_size = binary.cols / 30;			//像素的水平长度=width/30
	int y_size = binary.rows / 30;			//像素的垂直长度=height/30
	Mat h_line = getStructuringElement(cv::MORPH_RECT, cv::Size(x_size, 1), cv::Point(-1, -1));
	Mat v_line = getStructuringElement(cv::MORPH_RECT, cv::Size(1, y_size), cv::Point(-1, -1));
	morphologyEx(binary, img_h, cv::MORPH_OPEN, h_line, cv::Point(-1, -1), 1, 0);			//开运算（提取水平线）
	//先腐蚀在膨胀
	morphologyEx(binary, img_v, cv::MORPH_CLOSE, v_line, cv::Point(-1, -1), 1, 0);			//闭运算（提取垂直线）
	//先膨胀，再腐蚀

	imshow("binary", binary);
	imshow("img_h", img_h);
	imshow("img_v", img_v);

	cv::waitKey(0);
	return 0;

	
}

案例

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;
int main(int argc, char* argv[])
{

	string img_path1 = "D:/系统默认/桌面/RM/sha.jpeg";
	string img_path2 = "D:/系统默认/桌面/RM/tou.jpeg";

	Mat src = imread(img_path1, 1);
	Mat src2 = imread(img_path2, 1);
	
	if (src.empty() || src2.empty()) {
		cout << "can't read image!!" << endl;
		return -1;
	}

	//（3）灰度化+二值化
	cv::Mat gray, binary;
	cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);
	cv::threshold(gray, binary, 0, 255, cv::THRESH_BINARY_INV | cv::THRESH_OTSU);


	//（4）形态学变化
	int kernel_size = 5;
	//getStructuringElement：返回指定大小和形状的结构化元素以进行形态学运算。
	cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(kernel_size, kernel_size), cv::Point(-1, -1));

	cv::Mat img1, img2, img3, img4;
	cv::erode(binary, img1, kernel);							//腐蚀
	cv::erode(binary, img2, kernel, cv::Point(-1, -1), 3);		//腐蚀（迭代三次）
	cv::dilate(binary, img3, kernel);							//膨胀
	cv::dilate(binary, img4, kernel, cv::Point(-1, -1), 3);		//膨胀（迭代三次）

	cv::Mat img11, img22, img33, img44, img55, img66, img77, img88;
	cv::morphologyEx(binary, img11, cv::MORPH_ERODE, kernel, cv::Point(-1, -1), 1, 0);			//腐蚀
	cv::morphologyEx(binary, img22, cv::MORPH_DILATE, kernel, cv::Point(-1, -1), 1, 0);			//膨胀
	cv::morphologyEx(binary, img33, cv::MORPH_OPEN, kernel, cv::Point(-1, -1), 1, 0);			//开运算
	cv::morphologyEx(binary, img44, cv::MORPH_CLOSE, kernel, cv::Point(-1, -1), 1, 0);			//闭运算

	cv::morphologyEx(binary, img55, cv::MORPH_GRADIENT, kernel, cv::Point(-1, -1), 1, 0);		//基本梯度
	cv::morphologyEx(binary, img66, cv::MORPH_TOPHAT, kernel, cv::Point(-1, -1), 1, 0);			//顶帽
	cv::morphologyEx(binary, img77, cv::MORPH_BLACKHAT, kernel, cv::Point(-1, -1), 1, 0);		//黑帽
	cv::morphologyEx(binary, img88, cv::MORPH_HITMISS, kernel, cv::Point(-1, -1), 1, 0);		//击中击不中

	//（4）显示图像
	cv::imshow("src", src);

	cv::imshow("腐蚀1", img1);
	cv::imshow("腐蚀3", img2);
	cv::imshow("膨胀1", img3);
	cv::imshow("膨胀3", img4);

	cv::imshow("腐蚀", img11);
	cv::imshow("膨胀", img22);
	cv::imshow("开运算", img33);
	cv::imshow("闭运算", img44);
	cv::imshow("基本梯度", img55);
	cv::imshow("顶帽", img66);
	cv::imshow("黑帽", img77);
	cv::imshow("击中击不中", img88);



	waitKey();
	return 0;

	
}

可以明显看到迭代一遍和三遍的区别

学习链接

 主要学习来源：Opencv C++图像处理（全）_c++ opencv 图像处理-CSDN博客

关于阈值处理详细理解：[2] 图像处理之----二值化处理-CSDN博客

关于腐蚀和膨胀原理：图像腐蚀和膨胀的原理_腐蚀膨胀原理_WitransFer的博客-CSDN博客

Opencv Threshold
05-28
Opencv Threshold
双阈值法的实现
Gone_HuiLin的博客
11-18 6484
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" int main( ) { // 图像读取及判断 cv::Mat srcImage = cv::imread("..\\images\\hand1.jpg"); if( !srcImage.data ) return
C++：cv.threshold
最新发布
Ethan_Rich的博客
07-09 484
是 OpenCV 中用于图像阈值化处理的强大工具，它支持多种阈值类型，可以满足不同的图像处理需求。通过调整阈值和阈值类型，我们可以有效地将图像中的目标区域与背景分离开来，为后续的图像分析和处理提供便利。
OpenCV Threshold ( Python , C++ )
sangky的专栏
10-20 1061
本系列主要为learn opencv的翻译和学习，整理。 参考：https://www.learnopencv.com/opencv-threshold-python-cpp/ —————————————————————————————————————— 阈值分割: 1、Binary Threshold 原理： if src(x,y) &amp;gt; thresh dst(x,y) = maxValue...
[C++] opencv - threshold（图像二值化）函数介绍和使用场景
老狼工作室的博客
12-18 2256
OpenCV的threshold函数是一种非常常用的图像处理工具，可以应用于各种场景中，帮助我们更好地理解和分析图像数据。
(一)OpenCV图像处理基础_14_基本阈值操作
weixin_45553439的博客
02-17 181
阈值类型 ①阈值二值化(threshold binary) 超过阈值部分取最大值，不超过阈值部分取最小值 ②阈值反二值化(threshold binary Inverted) 超过阈值部分取最小值，不超过阈值部分取最大值 ③截断 (truncate) 超过阈值部分变为阈值，不超过阈值部分不变 ④阈值取零 (threshold to zero) 超过阈值部分置0，不超过阈值部分不变 ⑤阈值反取零 ...
opencv学习笔记 第二篇 图像阈值化
qq1376725255的专栏
04-20 814
opencv学习笔记 第二篇 图像阈值化
Opencv暑期历程--Day1 图像灰度化->图像二值化->图像形态学操作->滑动条
__计算机小白__
07-16 928
    之前学习Opencv自己比较少动手一行一行敲代码，这也可能导致了我的基础知识不牢，而且光靠那几篇的学习不够，杜老师让我暑假先重新学一遍Opencv,然后弄清楚那些参数等等的功能，在七月底还会有一个小测试给我们来完成，那么现在我打算从http://www.cnblogs.com/skyfsm/p/6872648.html这里的教程一步一步自己实现功能，并且在他的基础上自己看下怎么可以优化...
python+opencv学习day01
lzmsxf的博客
06-05 183
跟着b站的教程学习链接：https://www.bilibili.com/video/BV1RQ4y1R7M6?p=6 内容基本按照教程走，进行了一些简单的注释和总结。 1.读取和处理 图片读取 src = cv.imread("D:/ALL_LEARN/picture/cat.jpg", cv.IMREAD_GRAYSCALE) # opencv读取文件的路径不能有中文名 # src =img[0:50, 0:200] # 截取图像中的一部分 b, g, r = cv.split(src) # cv.
Day02计算机视觉OpenCv
2205_75881260的博客
02-02 265
【代码】Day02计算机视觉OpenCv。
opencv threshold
03-14
通过滑动条分割图像，也可以用最大类间方差法分割，主要是学习opencv的使用！
混合高斯背景建模的例子（基于c++的opencv实现）
11-23
本例的开发环境是vs2008，用的是基于opencv的开发工具包，可以实现效果较好的前景提取技术
[Python从零到壹] 五十二.图像增强及运算篇之图像掩膜直方图和HS直方图
杨秀璋的专栏
08-16 4046
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第二部分将讲解图像运算和图像增强，上一篇文章介绍图像灰度直方图对比分析。这篇文章将继续讲解图像掩膜直方图和HS直方图，并分享一个通过直方图判断白天与黑夜的案例。希望文章对您有所帮助，如果有不足之处，还请海涵。...
opencv-python基础用法详细代码-图片加载-ROI-边缘滤波-二值化-轮廓提取-膨胀腐蚀等
分享知识
07-28 1316
目录 1.1图像的导入和导出 1.2像素运算 1.3ROI与填充 1.4模糊操作 1.5边缘保留滤波 1.6图像二值化 1.7绘制外轮廓 1.8对象测量 1.9区分指定外轮廓 1.10腐蚀与膨胀 1.11开闭操作 可以下面代码直接运行，也可以看我的b站视频，有配套的教学，代码演示，有问题的可以留言。b站视频传送门 ...
使用OpenCV C++进行图像二值化操作
qq_44174360的博客
09-10 2978
threshold()将固定阈值应用于多通道图像阵列，通常用于从灰度图像中获得二值图像或用于去除噪声，即滤除值过小或过大的像素。该函数支持几种类型的阈值设置，它们由类型参数决定。
10- OpenCV：基本阈值操作（Threshold）
bigger_belief的博客
01-17 4120
主要介绍阈值，阈值类型、以及如何确定合适的阈值，并附上例子说明
图像形态学-阈值的概念、功能及操作（threshold()函数））【C++的OpenCV 第九课-OpenCV图像常用操作（六）】
weixin_43520503的博客
03-03 4379
顾名思义，“阈”就是范围或者限制，所以，“阈值”就是某个限制的值（该值具有一定的数学含义，即“临界值”，例如车辆限高杆的高度就是一种阈值，不可超越；亦或者1.1米以下儿童不收费，超过1.1就要收费。）
图像二值化处理、大津阈值，cv::threshold函数详解（OpenCV，VS C++实现）
czsnooker的博客
07-02 4393
二值化方法（阈值化） 对于图像中的每一个像素值，根据其高于或低于某个阈值做相应处理，在OpenCV中使用枚举类型定义了以下的几种阈值化操作： 最后两种方法是计算一个自适应阈值来对图像进行二值化，前者是大津阈值，后者使用三角算法选择最佳阈值。 这些枚举类型的名字空间为cv。 在后面的程序中，我会以具体的数值来说明二值化的方式。 threshold函数原型 参数解释： src：输入的源图像，8位或32位，一般我们用灰度图即CV_8UC1。 dst: 输出图像，和源图像大小一样，类型和源图像一样。 thres
OpenCV图像处理：形态学变换详解
"本文主要介绍了OpenCV中的图像形态学转换，包括腐蚀、膨胀、开运算、闭运算、梯度运算、礼帽和黑帽等概念，并提供了相应的代码示例。这些操作通常应用于二值图像，以改变或提取图像的形状特征。" 在计算机视觉领域...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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