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。