移动平均的阈值处理 opencv实现

---

本系列文章由@邻居张师傅 出品，转载请注明出处。

文章链接： https://editor.csdn.net/md?articleId=106491750

邮箱： zhangyh_nb@163.com

当前使用OpenCV版本： 4.0.1

---

---

原理

相比于对整幅图像取一个固定的阈值，由于光照不均匀等原因，跟一般的方法是对一幅图像中的每个像素点计算阈值，即可变局部阈值。
算法表示如下：
$$m(k+1)=\frac{1}{n}\sum _{i=k+2-n}^{k+1}{z}_i（1.1）$$
其中， $z_{k+1}$表示在扫描序列中第$k+1$步遇到的点的灰度值，$m(k)$为输入图像的第$k$个点的像素值，$n$表示用于计算平均的点的数量。
根据（1.1）有下式：
$$m(k)=\frac{1}{n}\sum _{i=k+1-n}^k{z}_i（1.2）$$
根据（1.1)、(1.2)不难得出下式子：
$$m(k+1)=\frac{1}{n}\sum _{i=k+2-n}^{k+1}{z}_i=m(k)+\frac{1}{n}(z_{k+1}-z_{k+1-n})（1.3）$$
接下来就根据每个点的阈值进行二值化操作。
注：我们仅仅在扫描的点的数量大于n时应用式（1.3），其他情况则将$z_{k+1-n}$视为0，即相当于在图像的边界填充了n-1个0。

---

实现

以下是实现结果，左边是原图，右边是结果。
下面是代码：

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;


static void ThresholdOp (int, void*);
void movingThreshold(const Mat &src,Mat &dst,int n=20,float b=0.5);

int source=0,thresholdType=0;
Mat src,dst;
int main(int argc, char* argv[])
{

	namedWindow( "ThresholdOp", WINDOW_NORMAL );
    createTrackbar( "Source:", "ThresholdOp", &source, 1, ThresholdOp );
    createTrackbar( "Type:", "ThresholdOp", &thresholdType, 1, ThresholdOp );

    ThresholdOp(0, 0);
	waitKey(0);

	return 0;
}

static void ThresholdOp (int, void*){
    switch(source){
    case 0:
    src = imread("1.tif", IMREAD_GRAYSCALE);
    namedWindow( "1.tif", WINDOW_NORMAL );
    imshow("1.tif", src);
    break;

    case 1:
    src = imread("2.tif", IMREAD_GRAYSCALE);
    namedWindow( "2.tif", WINDOW_NORMAL );
    imshow("2.tif", src);
    break;
    }
    switch(thresholdType){
    case 0:
    threshold(src, dst, 0, 255, THRESH_OTSU);
    imshow("ThresholdOp", dst);
    break;

    case 1:
    movingThreshold(src,dst);
    imshow("ThresholdOp", dst);
    break;

    }
}

void movingThreshold(const Mat &src,Mat &dst,int n,float b){

cout<<n<<" "<<b;
    int arrayNum=src.rows*src.cols;
    uchar *temp = new uchar[arrayNum];
    for(int y=0;y<src.rows;y++){//二维转换为一维Z字扫描
        for(int x=0;x<src.cols;x++){
            if(y%2==0)
                temp[y*src.cols+x]=src.at<uchar>(y,x);
            else
                temp[y*src.cols+x]=src.at<uchar>(y,src.cols-1-x);
        }
    }

    dst.create(src.size(),CV_8U);
    float m_now=0,m_pre=0,dif=0;
    int index=0;
    for(int y=0;y<src.rows;y++)
        for(int x=0;x<src.cols;x++){
            index=y*src.cols+x;
            if(index<n)//当前点总数不足时
                dif=temp[index];
            else
                dif=temp[index]-temp[index-n];

            dif *= (float)1 / n;
            m_now=m_pre+dif;//得出阈值
            m_pre=m_now;
            if(src.at<uchar>(y,x)>b*m_now)
                dst.at<uchar>(y,x)=255;
            else
                dst.at<uchar>(y,x)=0;
    }
    delete [] temp;
}

---

参考

1.冈萨雷斯. 数字图像处理[M]. 北京: 电子工业出版社, 2005.