outs阈值化用来二值化图像

最新推荐文章于 2022-08-21 09:14:20 发布

warmxixi

最新推荐文章于 2022-08-21 09:14:20 发布

阅读量1.3k

点赞数 1

分类专栏： opencv图像处理文章标签：图像二值化 otus

本文链接：https://blog.csdn.net/warmxixi/article/details/89459941

版权

本文介绍了图像处理中的二值化技术，特别是通过OTSU阈值化方法来简化灰度图像，降低计算复杂度。作者强调了在学习OpenCV的过程中，深入理解C++的重要性，并提到正在阅读《OpenCV图像处理编程实例》作为参考。

摘要由CSDN通过智能技术生成

从今天开始要认真学习opencv啦。研究生开学半个多学期了，突然觉得自己什么都没看，要认真学习，一点点去学opencv，把这些算法都是现一下。最近在看c++ primer，觉得比c++ primer plus更有内容。希望看完primer之后，可以更好的理解c++。然后再看一遍，还有刷leet code。
在数字图像处理中，处理灰度图像的计算量要小于处理彩色图像的计算量。而二值化图像（只含有灰度值0和1）的计算复杂度要优于以上两者。
一幅图像包括目标、背景及噪声，想要直接提取出目标物体，通常采用灰度值变换阈值化操作。图像的阈值化操作就是利用图像像素像素点的分布规律，设定阈值进行像素点的分割，进而得到图像的二值图像。

#include<string>
#include<iostream>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/opencv.hpp>
#include<opencv2/core/core.hpp>
using namespace std;
using namespace cv;
int otus(Mat srcImage)
{
	int ncols = srcImage.cols;
	cout << ncols << endl;
	int nrows = srcImage.rows;
	cout << nrows << endl;
	int threshold = 0;
	int nSumpix[256];
	float nProDis[256];
	for (int i = 0; i < 256; i++)
	{
		nSumpix[i] = 0;
		nProDis[i] = 0