opencv threshold_opencv：图像的二值化

本文详细介绍基于opencv的图像二值化，图像二值化即是设置一个阈值T,如果图像像素点的灰度值小于T此点值设为0(黑)，反之设为255(白)，最后图像只有黑和白两种颜色。

opencv中的二值化函数有两种，阈值化的图像二值化，自适应阈值化的二值化，我们接下来先介绍两种二值化函数：

1、阈值化函数：

cvThreshold (constCvArr* src, CvArr* dst, double threshold, double                                    max_value,int threshold_type)

• src –原始数组 (单通道 , 8-bit of 32-bit 浮点数)。

• dst –输出数组，必须与 src 的类型一致，或者为 8-bit。

• thresh –阈值。

• max_value –使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。

• threshold_type –对图像取阈值的方法。

如果threshold_type=CV_THRESH_BINARY：

if src(x,y)>threshold dst(x,y) = max_value,  else dst(x,y) =0.

如果threshold_type=CV_THRESH_BINARY_INV：

if src(x,y)>threshold dst(x,y) = 0,  else dst(x,y) =max_value.

如果threshold_type=CV_THRESH_TRUNC：

if src(x,y)>threshold dst(x,y) = threshold ,  else dst(x,y) =src(x,y).

如果threshold_type=CV_THRESH_TOZERO：

if src(x,y)>threshold dst(x,y) = src(x,y),  else dst(x,y) =0.

如果threshold_type=CV_THRESH_TOZERO_INV：

if src(x,y)>threshold dst(x,y) = 0,  else dst(x,y) =src(x,y).

2、自适应阈值化函数

cvAdaptiveThreshold ( const CvArr* src, CvArr* dst, double max_value, int                                      adaptive_method=CV_ADAPTIVE_THRESH_MEAN_C, 

                                     int thresthold_type= CV_THRESH_BINARY,    

                                     int block_size=3, double param1=5)

• src ：输入图像.

• dst ：输出图像.

• max_value ：使用 CV_THRESH_BINARY 和CV_THRESH_BINARY_INV 的最大值.

• adaptive_method：自适应阈值算法使用：CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C .

  函数 cvAdaptiveThreshold 将灰度图像变换到二值图像，采用下面公式：

  如果threshold_type=CV_THRESH_BINARY：

        if src(x,y)>threshold dst(x,y) = max_value,  else dst(x,y) =0.

        如果threshold_type=CV_THRESH_BINARY_INV：

        if src(x,y)>threshold dst(x,y) = 0,  else dst(x,y) =max_value.

• threshold_type：取阈值类型：必须是下者之一

  (1)CV_THRESH_BINARY,

  (2)CV_THRESH_BINARY_INV

• block_size ：用来计算阈值的象素邻域大小: 3, 5, 7, ...

• param1：与方法有关的参数。对方CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C， 它是一个从均值或加权均值提取的常数, 尽管它可以是负数。

• 阈值化二值化实现代码：

#include

#include

using namespace cv;

using namespace std;

void main()

{

        Mat src, imgGray;

        Mat dst1,dst2,dst3,dst4,dst5;

        src = imread("lena.jpg");

        namedWindow("src", WINDOW_NORMAL);

        imshow("src", src);

        if(src.channels()>1)

            cvtColor(src, imgGray, CV_BGR2GRAY);//二值化前先进行灰度转换

        else imgGray = src;

        //threshold_type=CV_THRESH_BINARY：

        threshold(imgGray,dst1,120,255, CV_THRESH_BINARY);

        namedWindow("CV_THRESH_BINARY", WINDOW_NORMAL);

        imshow("CV_THRESH_BINARY", dst1);

        //threshold_type=CV_THRESH_BINARY_INV：

        threshold(imgGray, dst2, 120, 255, CV_THRESH_BINARY_INV);

        namedWindow("CV_THRESH_BINARY_INV", WINDOW_NORMAL);

        imshow("CV_THRESH_BINARY_INV", dst2);

        //threshold_type=CV_THRESH_TRUNC：

        threshold(imgGray, dst3, 120, 255, CV_THRESH_BINARY_INV);

        namedWindow("CV_THRESH_TRUNC", WINDOW_NORMAL);

        imshow("CV_THRESH_TRUNC", dst3);

        //threshold_type=CV_THRESH_TOZERO：

        threshold(imgGray, dst4, 120, 255, CV_THRESH_TOZERO);

        namedWindow("CV_THRESH_TOZERO", WINDOW_NORMAL);

        imshow("CV_THRESH_TOZERO", dst4);

        //threshold_type=CV_THRESH_TOZERO_INV：

        threshold(imgGray, dst5, 120, 255, CV_THRESH_TOZERO_INV);

        namedWindow("CV_THRESH_TOZERO_INV", WINDOW_NORMAL);

        imshow("CV_THRESH_TOZERO_INV", dst5);

        waitKey();

}

结果:

                     src                                  CV_THRESH_BINARY                    CV_THRESH_BINARY_INV

   CV_THRESH_TRUNC                    CV_THRESH_TOZERO                  CV_THRESH_TOZERO_INV

• 自适应阈值化实现代码：

#include

#include

using namespace cv;

using namespace std;

void main()

{

        Mat src, imgGray;

        Mat dst1,dst2;

        src = imread("lena.jpg");

        namedWindow("src", WINDOW_NORMAL);

        imshow("src", src);

        if(src.channels()>1)

            cvtColor(src, imgGray, CV_BGR2GRAY);//二值化前先进行灰度转换

        else imgGray = src;

        //threshold_type=CV_THRESH_BINARY：

        adaptiveThreshold(imgGray,dst1,255,ADAPTIVE_THRESH_MEAN_C,                                CV_THRESH_BINARY,25,5);

        namedWindow("CV_THRESH_BINARY", WINDOW_NORMAL);

        imshow("CV_THRESH_BINARY", dst1);

        //threshold_type=CV_THRESH_BINARY_INV：

        adaptiveThreshold(imgGray, dst2, 255, ADAPTIVE_THRESH_MEAN_C,                              CV_THRESH_BINARY_INV, 25, 5);

        namedWindow("CV_THRESH_BINARY_INV", WINDOW_NORMAL);

        imshow("CV_THRESH_BINARY_INV", dst2);

        waitKey();

}

结果：

             src                          CV_THRESH_BINARY                CV_THRESH_BINARY_INV

上述结果是当adaptive_method=CV_ADAPTIVE_THRESH_MEAN_C的；

当adaptive_method=CV_ADAPTIVE_THRESH_GAUSSIAN_C时，结果为：

                   src                          CV_THRESH_BINARY                CV_THRESH_BINARY_INV

到此图像二值化介绍告一段落，欢迎大家留言讨论，如有兴趣一起学习图像处理、计算机视觉、深度学习相关领域欢迎关注号，一起学习进步