Opencv threshold函数、adaptiveThreshold函数详解和示例

1.threshold函数

double cv::threshold(InputArray src, OutputArray dst, 
double thresh, double maxval, int type )

• src：待二值化的图像，图像只能是 CV_8U 和 CV_32F 两种数据类型。对于图像通道数目的要求与选择的二值化方法相关。
• dst：二值化后的图像，与输入图像具有相同的尺寸、数据类型和通道数。
• thresh：二值化的阈值。
• maxval：二值化过程的最大值，它只在 THRESH_BINARY 和 THRESH_BINARY_INV 两种二值化方法中才使用。
• type：选择图像二值化方法的标志。

                                                 二值化方法可选择的标志及含义

标志参数	作用
THRESH_BINARY	灰度值大于阈值的为最大值，其他值为 0
THRESH_BINARY_INV	灰度值大于阈值的为 0 ，其他值为最大值
THRESH_TRUNC	灰度值大于阈值的为阈值，其他值不变
THRESH_TOZERO	灰度值大于阈值的不变，其他值为 0
THRESH_TOZERO_INV	灰度值大于阈值的为 0 ，其他值不变
THRESH_OTSU	大津法自动寻求全局阈值
THRESH_TRIANGLE	三角形法自动寻求全局阈值

为了方便讲解，我们使用如下的一个图像，红色表示图像，黑色是图像的边界，蓝色是阈值

                                

                                                                                原图 

1.1 THRESH_BINARY 

1. 大于阈值，取最大值。
2. 小于等于阈值取0。

公式：

对于原图，如果我们进行二值化操作，那么蓝色的线以上的，都变成最大值，蓝色的线以下的线都变成0

                                

1.2 THRESH_BINARY_INV

1. 大于阈值，取0。
2. 小于等于阈值，取最大值。

公式：

对于原图，如果我们进行反二值化操作，那么蓝色的线以下的，都变成最大值，蓝色的线以上的线都变成0

        ​​​​​​​        ​​​​​​​        ​​​​​​​        

1.3  THRESH_TRUNC

1. 大于阈值，取阈值
2. 小于等于阈值，取原值

​​​​​​​公式：

 对于原图，如果我们进行截断操作

        ​​​​​​​        ​​​​​​​        ​​​​​​​        

1.4 THRESH_TOZERO 

1. 大于阈值的，取原值。
2. 小于等于阈值，取0

公式：

对于原图，如果我们进行操作

        ​​​​​​​        ​​​​​​​        ​​​​​​​        

1.5  THRESH_TOZERO_INV

1. 大于阈值的，取0。
2. 小于等于阈值，取原值

公式：

 对于原图，如果我们进行操作

        ​​​​​​​        ​​​​​​​        ​​​​​​​         

1.6 代码示例 

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

using namespace std; 
using namespace cv; 

int main() 
{ 
    Mat img = imread("../pic/gril_1.jpg"); 
    if (img.empty()) 
    { 
        cout << "请确认图像文件名称是否正确" << endl; 
        return -1; 
    } 
    imshow("原画", img); 
    Mat gray; 
    double a , b ,c ,d ;
    cvtColor(img, gray, COLOR_BGR2GRAY); 
    Mat img_B, img_B_V, gray_B,gray_B_V, gray_T, gray_T_V, gray_TRUNC ; 
    
    //彩色图像二值化

    threshold(img, img_B, 125, 255, THRESH_BINARY); 
    threshold(img, img_B_V, 125, 255, THRESH_BINARY_INV); 
    imshow("img_B", img_B); 
    imshow("img_B_V", img_B_V); 
    
    //灰度图 BINARY 二值化
    threshold(gray, gray_B, 125, 255, THRESH_BINARY); 
    threshold(gray, gray_B_V, 125, 255, THRESH_BINARY_INV); 
    imshow("gray_B", gray_B); 
    imshow("gray_B_V", gray_B_V); 
    
    //灰度图像 TOZERO 变换
    threshold(gray, gray_T, 125, 255, THRESH_TOZERO); 
    threshold(gray, gray_T_V, 125, 255, THRESH_TOZERO_INV); 
    imshow("gray_T", gray_T); 
    imshow("gray_T_V", gray_T_V); 
    
    //灰度图像 TRUNC 变换
    threshold(gray, gray_TRUNC, 125, 255, THRESH_TRUNC); 
    imshow("gray_TRUNC", gray_TRUNC); 

    waitKey(0); 
    return 0; 
}

结果：

 

 

1.7 THRESH_OTSU 和 THRESH_TRIANGLE 

       这两种标志是获取阈值的方法，并不是阈值比较方法的标志，这两个标志可以与前面 5 种标志

一起使用，例如“ THRESH_BINARY| THRESH_OTSU ”。前面 5 种标志在调用函数时都需要人为

地设置阈值，如果对图像不了解，设置的阈值不合理，就会对处理后的效果造成严重的影响。这两

个标志分别表示利用大津法（ OTSU ）和三角形法（ TRIANGLE ）结合图像灰度值分布特性获取二

值化的阈值，并将阈值以函数返回值的形式给出(简单来说就是重新自动设置二值化的阈值 )。因此，如果该函数最后一个参数设置了这两个标 志中的任何一个，那么该函数第三个参数 thresh 将由系统自动给出，但是在调用函数时仍然不能默认，只是程序不会使用这个数值。需要注意的是，到目前为止，OpenCV 4 中针对这两个标志只支 持输入 CV_8UC1 类型的图像。

        threshold()函数全局只使用一个阈值，在实际情况中，由于光照不均匀以及阴影的存在，全局

只有一个阈值会使得在阴影处的白色区域也会被函数二值化成黑色，因此 adaptiveThreshold() 函数提供了两种局部自适应阈值的二值化方法。

2.adaptiveThreshold函数

void cv::adaptiveThreshold(InputArray src, OutputArray dst, double maxValue, 
int adaptiveMethod, int thresholdType, int blockSize, double C )

• src：待二值化的图像，图像只能是 CV_8UC1 数据类型。
• dst：二值化后的图像，与输入图像具有相同的尺寸、数据类型。
• maxValue：二值化的最大值
• adaptiveMethod：自适应确定阈值的方法，分为均值法 ADAPTIVE_THRESH_MEAN_C和高斯法 ADAPTIVE_THRESH_GAUSSIAN_C 两种。 
• thresholdType：选择图像二值化方法的标志，只能是 THRESH_BINARY 和 THRESH_BINARY_INV。
• blockSize：自适应确定阈值的像素邻域大小，一般为 3、5、7 的奇数。
• C：从平均值或者加权平均值中减去的常数，可以为正，也可以为负。

该函数将灰度图像转换成二值图像，通过均值法和高斯法自适应地计算 blockSize × blockSize

邻域内的阈值，之后进行二值化。

2.1代码示例（包含THRESH_OTSU 和 THRESH_TRIANGLE ）

#include <opencv2/opencv.hpp> 
#include <iostream> 
#include <vector> 
 
using namespace std; 
using namespace cv; 
 
int main() 
{
    //灰度图像大津法和三角形法二值化
    Mat img_Thr = imread("../pic/gril_2.png", IMREAD_GRAYSCALE); 
    double a ,b ,c,d ;
    if (img_Thr.empty()) 
    { 
        cout << "请确认图像文件名称是否正确" << endl; 
        return -1; 
    } 
    //cvtColor(img_Thr, img_Thr, COLOR_BGR2GRAY); 
    Mat img_Thr_O, img_Thr_O_1,img_Thr_T,img_Thr_T_1; 
    a = threshold(img_Thr, img_Thr_O, 100, 255, THRESH_BINARY | THRESH_OTSU); 
    b = threshold(img_Thr, img_Thr_T, 125, 255, THRESH_BINARY | THRESH_TRIANGLE); 
    c = threshold(img_Thr, img_Thr_O_1, 150, 255, THRESH_BINARY | THRESH_OTSU); 
    d = threshold(img_Thr, img_Thr_T_1, 200, 255, THRESH_BINARY | THRESH_TRIANGLE); 
    cout << "333  a  =" <<a <<"  b = " << b << endl; 
    cout << "333  c  =" <<c <<"  d = " << d << endl; 

    imshow("img_Thr", img_Thr); 
    imshow("img_Thr_O", img_Thr_O); 
    imshow("img_Thr_T", img_Thr_T); 
    imshow("img_Thr_O_1", img_Thr_O_1); 
    imshow("img_Thr_T_1", img_Thr_T_1); 
 
    //灰度图像自适应二值化
    Mat adaptive_mean, adaptive_gauss; 
    adaptiveThreshold(img_Thr, adaptive_mean, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 255, 0); 
    adaptiveThreshold(img_Thr, adaptive_gauss, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 55, 0); 
 
    imshow("adaptive_mean", adaptive_mean); 
    imshow("adaptive_gauss", adaptive_gauss); 
 
    waitKey(0); 
    return 0; 
}

结果：threshold函数不管设置的阈值是多少，只要有THRESH_OTSU 和 THRESH_TRIANGLE，就会重新匹配该照片的阈值