花老湿学习OpenCV：阈值化操作

引言：

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：

 

（1）第一个参数，InputArray 类型的 src，源图像。单通道，8 或 32位浮点数类型的深度。

（2）第二个参数，OutputArray 类型的 dst，输出图像。

（3）第三个参数，double 类型的 thresh，选取的阈值。

（4）第四个参数，double 类型的 maxval。

（5）第五个参数，int 类型的 type。阈值类型。如下所示：

 代码示例：

#include "pch.h"
#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

void CallBack_Size(int pos, void* userdata);

int thresholdVal = 0;
int thresholdMax = 255;
int thresholdType = 0;//0-4分别代表 二值化阈值操作、反二值化、截断、置0阈值操作、反置0阈值操作
int thresholdTypeMax = 4;

int main()
{
	namedWindow("graysrc", WINDOW_AUTOSIZE);
	namedWindow("graydst", WINDOW_AUTOSIZE);
	Mat src = imread("F:\\visual studio\\Image\\lion.jpg");
	if (src.empty())
	{
		cout << "Can't load the image" << endl;
		return -1;
	}
	Mat graysrc;
	cvtColor(src, graysrc, cv::COLOR_BGR2GRAY);
	imshow("graysrc", graysrc);
	createTrackbar("Threshold", "graydst", &thresholdVal, thresholdMax, CallBack_Size,(void *)&graysrc);
	createTrackbar("ThresholdType", "graydst", &thresholdType, thresholdTypeMax, CallBack_Size, (void *)&graysrc);

	waitKey(0);
}

void CallBack_Size(int pos,void* userdata)
{
	Mat src = *((Mat*)userdata);
	Mat dst;
	//这里不可以使用pos，因为pos也可能代表thresholdType
	threshold(src, dst, thresholdVal, thresholdMax, thresholdType);
	imshow("graydst", dst);
}

效果如下：仅展示二值化和反二值化阈值操作的效果。 

 

 

 

2.自适应阈值化——cv::adaptiveThreshold()

（1）第一个参数，InputArray 类型的 src，源图像。8 为单通道图像。

（2）第二个参数，OutputArray 类型的 dst，输出图像。

（3）第三个参数，double 类型的 maxValue，给像素赋的满足条件的非零值。

（4）第四个参数，int 类型的 adaptiveMethod，用于指定要使用的自适应阈值计算法，可取值为 ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C。

（5）第五个参数，int 类型的 thresholdType，阈值类型。取值必须为 THRESH_BINARY、THRESH_BINARY_INV 之一。

（6）第六个参数，int 类型的 blockSize，用于计算阈值大小的一个像素的邻域尺寸，取值为3、5、7等。

（7）第七个参数，double 类型的 C，减去平均或加权平均值后的常数值。通常为正数。

 

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。

 

代码实例：

#include "pch.h"
#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

void CallBack_Size(int pos, void* userdata);

int MaxValue = 255;
int method = 0; //0-ADAPTIVE_THRESH_MEAN_C  1-ADAPTIVE_THRESH_GAUSSIAN_C
int thresholdType = 0;//0-1分别代表 二值化阈值操作、反二值化
int thresholdTypeMax = 1;
int blocksize = 1;
int blocksizeMax = 10;

int main()
{
	namedWindow("graysrc", WINDOW_AUTOSIZE);
	namedWindow("graydst", WINDOW_AUTOSIZE);
	Mat src = imread("F:\\visual studio\\Image\\women1.jpg");
	if (src.empty())
	{
		cout << "Can't load the image" << endl;
		return -1;
	}
	Mat graysrc;
	cvtColor(src, graysrc, cv::COLOR_BGR2GRAY);
	imshow("graysrc", graysrc);
	createTrackbar("method", "graydst", &method, 1, CallBack_Size, (void *)&graysrc);
	createTrackbar("ThresholdType", "graydst", &thresholdType, thresholdTypeMax, CallBack_Size, (void *)&graysrc);
	createTrackbar("blocksize", "graydst", &blocksize, blocksizeMax, CallBack_Size, (void *)&graysrc);
        //因为blocksize最小值为3 
	setTrackbarMin("blocksize", "graydst", 1);
	CallBack_Size(0, (void *)&graysrc);
	waitKey(0);
}

void CallBack_Size(int pos, void* userdata)
{
	int size = 2 * blocksize + 1;
	Mat src = *((Mat*)userdata);
	Mat dst;
	//这里不使用pos，因为其代表了不同的值。
	adaptiveThreshold(src, dst, MaxValue, method, thresholdType, size, 0);
	imshow("graydst", dst);
}

 

效果如下：

采用ADAPTIVE_THRESH_MEAN_C方法，，阈值类型为 THRESH_BINARY、THRESH_BINARY_INV时：

采用ADAPTIVE_THRESH_GAUSSIAN_C方法，，阈值类型为 THRESH_BINARY、THRESH_BINARY_INV时：