二值图像20200117

二值图像就是只有黑白两种颜色表示的图像，其中0 – 表示黑色， 1 – 表示白色(255) 。二值图像处理与分析在机器视觉与机器人视觉中非常重要，涉及到非常多的图像处理相关的知识，常见的二值图像分析包括轮廓分析、对象测量、轮廓匹配与识别、形态学处理与分割、各种形状检测与拟合、投影与逻辑操作、轮廓特征提取与编码等。此外图像二值化的方法也有很多，OpenCV主要是支持几种经典的二值化算法。

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

using namespace std;
using namespace cv;

int main()
{
	Mat src;
	src = imread("morphology.png");
	if (src.empty())
	{
		cout << "could not load image..." << endl;
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	Mat gray_src;
	cvtColor(src, gray_src, CV_BGR2GRAY);
	namedWindow("gray_src", CV_WINDOW_AUTOSIZE);
	imshow("gray_src", gray_src);

	//Mat inver_gray_src;
	//bitwise_not(gray_src, inver_gray_src);
	//namedWindow("inver_gray_src", CV_WINDOW_AUTOSIZE);
	//imshow("inver_gray_src", inver_gray_src);

	//Mat black_white;
	//adaptiveThreshold(inver_gray_src, black_white, 255,
	//	ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 11, -2);
	//namedWindow("black_white", CV_WINDOW_AUTOSIZE);
	//imshow("black_white", black_white);

	Mat black_white;
	adaptiveThreshold(~gray_src, black_white, 255,
		ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 11, -2);
	namedWindow("black_white", CV_WINDOW_AUTOSIZE);
	imshow("black_white", black_white);

	//threshold(gray_src, black_white, 200, 255, CV_THRESH_BINARY);
	//namedWindow("black_white", CV_WINDOW_AUTOSIZE);
	//imshow("black_white", black_white);
	//imwrite("black_white.jpg", black_white);

	waitKey(0);
	return 0;
}

反色处理指的是：如果原先图像的背景是白色，而目标是黑色的话；经过反色处理后，背景变为黑色，目标变为白色。