[C++] opencv - threshold（图像二值化）函数介绍和使用场景

什么是图像二值化？

图像二值化是将彩色或灰度图像转换为黑白图像的过程。在二值化过程中，将像素点的亮度值与某个阈值进行比较，如果亮度值大于等于阈值，则将该像素点设置为白色(通常用255表示)，否则将其设置为黑色(通常用0表示)。

threshold函数介绍

OpenCV中的threshold函数用于对图像进行二值化处理。它可以将灰度图像转换为黑白图像，也可以对彩色图像进行分割。

函数原型如下：

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

参数说明：

• src：输入的灰度图像或彩色图像。

• dst：输出的二值化图像。

• thresh：阈值，用于将像素点的亮度值与该值进行比较，从而确定像素点的颜色。

• maxval:最大值，当像素点的亮度值大于等于阈值时，将其设置为该值。

• type：二值化类型，常用的有以下几种：

  • THRESH_BINARY：大于等于阈值的像素点设置为最大值，小于阈值的像素点设置为0。
  • THRESH_BINARY_INV：大于等于阈值的像素点设置为0，小于阈值的像素点设置为最大值。
  • THRESH_TRUNC：大于等于阈值的像素点设置为阈值，小于阈值的像素点保持不变。
  • THRESH_TOZERO：大于等于阈值的像素点保持不变，小于阈值的像素点设置为0。
  • THRESH_TOZERO_INV：大于等于阈值的像素点设置为0，小于阈值的像素点保持不变。

使用场景

使用场景包括但不限于以下几种：

1. 图像分割：将彩色或灰度图像分割成不同的区域，以便进行进一步的处理，如目标检测、图像增强等。

2. 文字识别：对印刷体文字图像进行二值化处理，以便进行后续的文字识别和分析。

3. 形态学操作：在图像处理中，经常需要对图像进行形态学操作，如腐蚀、膨胀、开运算、闭运算等，而这些操作都需要先进行二值化处理。

4. 图像去噪：对含有噪声的图像进行二值化处理，可以将噪声与图像内容分离，从而达到去噪的目的。

5. 图像增强：通过对图像进行二值化处理，可以突出图像中的某些特征，从而增强图像的质量和表现力。

使用案例

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

using namespace cv;
using namespace std;

int main()
{
    // 读取原始图像
    Mat src = imread("./3480e7ce_mk_tk_a_c2_6400_4480.png", IMREAD_GRAYSCALE);
    if (src.empty())
    {
        cout << "无法读取图像" << endl;
        return -1;
    }
    imshow("src", src);
    waitKey(0);

    // 二值化图像
    Mat dst;
    threshold(src, dst, 128, 255, THRESH_BINARY);
    imshow("binary", dst);
    waitKey(0);

    threshold(src, dst, 128, 255, THRESH_BINARY_INV);
    imshow("binary_inv", dst);
    waitKey(0);

    threshold(src, dst, 128, 255, THRESH_TRUNC);
    imshow("trunc", dst);
    waitKey(0);
    
    threshold(src, dst, 128, 255, THRESH_TOZERO);
    imshow("tozero", dst);
    waitKey(0);

    threshold(src, dst, 128, 255, THRESH_TOZERO_INV);
    imshow("tozero_inv", dst);
    waitKey(0);

    return 0;
}

原始图像：

THRESH_BINARY：

THRESH_BINARY_INV：

THRESH_TRUNC： 

THRESH_TOZERO：

THRESH_TOZERO_INV：

总结

OpenCV的threshold函数是一种非常常用的图像处理工具，可以应用于各种场景中，帮助我们更好地理解和分析图像数据。