\tutorial_code\ImgProc\Threshold.cpp

【13】Threshold.cpp

\OpenCV2.3.1\opencv\samples\cpp\tutorial_code\ImgProc

什么是阈值？

最简单的图像分割的方法。


为了从一副图像中提取出我们需要的部分，
应该用图像中的每一个像素点的灰度值与选取的阈值进行比较，
并作出相应的判断。

（注意：阈值的选取依赖于具体的问题。即：物体在不同的图像中有可能会有不同的灰度值。

一旦找到了需要分割的物体的像素点，我们可以对这些像素点设定一些特定的值来表示。

（例如：可以将该物体的像素点的灰度值设定为：‘0’（黑色）,其他的像素点的灰度值为：‘255’（白色）；当然像素点的灰度值可以任意，但最好设定的两种颜色对比度较强，方便观察结果）。

OpenCV中提供了阈值（threshold）函数： threshold 。

double threshold(const Mat& src, Mat& dst, double thresh, double maxVal, int thresholdType)

src: 输入的灰度图像的地址。
dst: 输出图像的地址。
thresh: 进行阈值操作时阈值的大小。
max_value: 设定的最大灰度值（该参数运用在二进制与反二进制阈值操作中）。
threshold_type: 阈值的类型。

5种
阈值类型1：二进制阈值化
解释：在运用该阈值类型的时候，先要选定一个特定的阈值量，比如：125，这样，新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于125的像素点的灰度值设定为0。

阈值类型2：反二进制阈值化
解释：该阈值化与二进制阈值化相似，先选定一个特定的灰度值作为阈值，不过最后的设定值相反。（在8位灰度图中，例如大于阈值的设定为0，而小于该阈值的设定为255）。

阈值类型3：截断阈值化
解释：同样首先需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。（例如：阈值选取为125，那小于125的阈值不改变，大于125的灰度值（230）的像素点就设定为该阈值）。

阈值类型4：阈值化为0
解释：先选定一个阈值，然后对图像做如下处理：1 像素点的灰度值大于该阈值的不进行任何改变；2 像素点的灰度值小于该阈值的，其灰度值全部变为0。

阈值类型5：反阈值化为0
解释：原理类似于0阈值，但是在对图像做处理的时候相反，即：像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

进行阈值分割。。

首先就是要找到门限阈值啦！

用matlab方便些、、

通常选双峰间波谷。而且是较小值。

 = = so we got 128 ~