OpenCV-------阈值化操作-cv::threshold()与cv::adaptiveThreshold()详解

最新推荐文章于 2024-07-09 11:23:54 发布

键盘里的青春

最新推荐文章于 2024-07-09 11:23:54 发布

阅读量807

点赞数

分类专栏： OpenCV

OpenCV 专栏收录该内容

11 篇文章 0 订阅

订阅专栏

文章来源：　点击打开链接

阈值化操作在图像处理中是一种常用的算法，比如图像的二值化就是一种最常见的一种阈值化操作。opencv2和opencv3中提供了直接阈值化操作cv::threshold()和自适应阈值化操作cv::adaptiveThreshold()两种阈值化操作接口，这里将对这两个接口进行介绍和对比。

1、直接阈值化——cv::threshold()

阈值化操作的基本思想是，给定一个输入数组和一个阈值，数组中的每个元素将根据其与阈值之间的大小发生相应的改变。opencv3中支持这一操作的接口是cv::threshold()，具体调用方法如下：


  
  
    
    
     
     
    
    
    
    
     
     
      
      double cv::threshold(
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          cv::InputArray src, 
      
      // 输入图像
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          cv::OutputArray dst, 
      
      // 输出图像
     
     
    
    

    
    
     
     
    
    
    
    
     
        
      
      double thresh, 
      
      // 阈值
     
     
    
    

    
    
     
     
    
    
    
    
     
      
      
      double maxValue, 
      
      // 向上最大值
     
     
    
    

    
    
     
     
    
    
    
    
     
         
      
      int thresholdType 
      
      // 阈值化操作的类型 
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      );

如下表所示，每一种阈值化操作类型，对应着一种源图像上每一个像素点与阈值thresh之间比较操作。根据源图像像素和阈值之间的大小关系，目标像素可能被置为0、原像素值、或者设定的最大值maxValue。

下图将会帮助大家理解不同的阈值化类型所表示的确切含义。


  
  
    
    
     
     
    
    
    
    
     
     
      
      void test_threshold()
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      {
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          cv::Mat src = cv::imread(
      
      "lena.jpg", cv::IMREAD_GRAYSCALE);
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
       cv::Mat dst;
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
      
      
      double thresh = 
      
      100;
     
     
    
    

    
    
     
     
    
    
    
    
     
       
      
      int maxVal = 
      
      255;
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
       cv::threshold(src, dst, thresh, maxVal, cv::THRESH_BINARY);
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
       cv::imshow(
      
      "threshold", dst);
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
        cv::waitKey(
      
      0);
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
        
      
      return;
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      }

实用上面的代码进行阈值化处理，原图和五种不同方式阈值化的结果分别如下：

另外，在opencv3中cv::threshold()函数还支持一种特殊的阈值化操作方式，即Otsu算法。该算法的主要思想是，在进行阈值化时，考虑所有可能的阈值，分别计算低于阈值和高于阈值像素的方差，使下式最小化的值作为阈值：

其中，两类像素方差的权值由两类像素的个数决定。这种阈值化的结果相对来说比较理想，可以避免寻找合适阈值的操作，但是这种方式运算量较大，费时。处理的结果如下：

但是，直接阈值化操作是一种一刀切的方式，对于亮度分布差异较大的图像，常常无法找到一个合适的阈值。如下所示，对棋盘格进行二值化操作，由于图像右上角区域和图像下部的亮度差异较为大，无法找到一个合适的阈值，将棋盘上的所有棋盘格给区分开来。

针对于上述情况，我们需要一种改进的阈值化算法，即自适应阈值化。

2、自适应阈值化——cv::adaptiveThreshold()

自适应阈值化能够根据图像不同区域亮度分布的，改变阈值，具体调用方法如下：


  
  
    
    
     
     
    
    
    
    
     
     
      
      void cv::adaptiveThreshold(
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
        cv::InputArray src, 
      
      // 输入图像
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          cv::OutputArray dst, 
      
      // 输出图像
     
     
    
    

    
    
     
     
    
    
    
    
     
        
      
      double maxValue, 
      
      // 向上最大值
     
     
    
    

    
    
     
     
    
    
    
    
     
         
      
      int adaptiveMethod, 
      
      // 自适应方法，平均或高斯
     
     
    
    

    
    
     
     
    
    
    
    
     
        
      
      int thresholdType 
      
      // 阈值化类型
     
     
    
    

    
    
     
     
    
    
    
    
     
        
      
      int blockSize, 
      
      // 块大小
     
     
    
    

    
    
     
     
    
    
    
    
     
         
      
      double C 
      
      // 常量
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      );

cv::adaptiveThreshold()支持两种自适应方法，即cv::ADAPTIVE_THRESH_MEAN_C（平均）和cv::ADAPTIVE_THRESH_GAUSSIAN_C（高斯）。在两种情况下，自适应阈值T(x, y)。通过计算每个像素周围bxb大小像素块的加权均值并减去常量C得到。其中，b由blockSize给出，大小必须为奇数；如果使用平均的方法，则所有像素周围的权值相同；如果使用高斯的方法，则（x,y）周围的像素的权值则根据其到中心点的距离通过高斯方程得到。

测试代码如下：


  
  
    
    
     
     
    
    
    
    
     
     
      
      void test_adaptive_threshold()
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      {
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
         cv::Mat src = cv::imread(
      
      "chessboard.png", cv::IMREAD_GRAYSCALE);
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
         cv::Mat dst;
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
      
      
      int maxVal = 
      
      255;
     
     
    
    

    
    
     
     
    
    
    
    
     
      
      
      int blockSize = 
      
      41;
     
     
    
    

    
    
     
     
    
    
    
    
     
        
      
      double C = 
      
      0;
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
       cv::adaptiveThreshold(src, dst, maxVal, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, blockSize, C);
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
        cv::imshow(
      
      "threshold", dst);
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
        cv::waitKey(
      
      0);
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
        
      
      return;
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      }