OpenCV(iOS)阈值化(15)

对于各种图形进行处理操作的过程中，我们常常需要对图像中的像素做出取舍与决策，直接剔除一些低于或者是高于一定值得像素。

阈值可以视为最简单的图像的分割方法。比如从一幅图像中利用阈值分割出我们需要的物体部分（当然这里的物体可以是一部分或者是整体）。这样的图像分割方法基于图像中物体与背景之间的灰度差异，而且此分割属于像素的分割。为了从一幅图像中提取出我们需要的部分，应该用图像中的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。

阈值化主要5种类型

普通灰度图（图中的蓝色水平线代表着具体的一个阈值）

二进制阈值化（图中的蓝色水平线代表着具体的一个阈值）

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。

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）。

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。

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。

函数说明

固定阈值操作：threshold

使用threshold函数完成

double threshold(InputArray src,// 输入的灰度图像

                            OutputArray dst,// 输出处理图像

                             double thresh,// 阈值大小

                             double maxval,// 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）

                              int type );// 阈值的类型（上面介绍的五中类型）

上述标识符以次取值为0，1，2，3，4。

代码示例：

NSString*image =@"456.png";

UIImage*image1 = [UIImageimageNamed:image];

Matim;

UIImageToMat(image1, im);

if(im.empty()) {

return;

}

threshold(im,dst,125,125,CV_THRESH_BINARY);

self.secondImageView.image=MatToUIImage(dst);

自适应阈值操作函数：

void adaptiveThreshold( InputArray src, 

                                      OutputArray dst,

                                      double maxValue,

                                      int adaptiveMethod,

                                      int thresholdType,

                                      int blockSize,

                                      double C );

参考资料

OpenCV for iOS 学习笔记（十一）—— 基本的阈值操作

基本的阈值操作