OpenCV学习笔记（五）阈值化与自适应阈值化

  在对一幅图像进行处理时，很多时候我们都会用到二值化操作，如最常用的边缘检测算法：Canny边缘检测算法就要求执行前必须先转换为灰度图才行，但是在有的工程中遇到的问题，需要将灰度图转换为二值化图后再进行Canny才会有更好的效果。二值化操作也有注意点，如何最大可能的保存原图像的数据完整性，就需要严格设置阈值点了。OpenCV中提供两种阈值化方法，普通阈值化和自适应阈值化。

普通阈值化

OpenCV中提供的常规阈值化的函数为：
CVAPI(double) cvThreshold( const CvArr* src, CvArr* dst, double threshold, double max_value, int threshold_type );
其中：src为输入的原图像；dst为输出的目标图像（此函数的输入与输出图像可以为同一个图像，src与dst最好为单通道的灰度图才能有好的效果）；threshold为要设定的阈值；max_value为最大取值；threshold_type为阈值化操作的可选择类型，具体如下：

CV_THRESH_BINARY      =0,                                     /* value = value > threshold ? max_value : 0
CV_THRESH_BINARY_INV  =1,                                 /* value = value > threshold ? 0 : max_value       */
CV_THRESH_TRUNC       =2,                                     /* value = value > threshold ? threshold : value   */
CV_THRESH_TOZERO      =3,                                    /* value = value > threshold ? value : 0           */
CV_THRESH_TOZERO_INV  =4,                               /* value = value > threshold ? 0 : value           */
CV_THRESH_MASK        =7,
CV_THRESH_OTSU        =8                                       /* use Otsu algorithm to choose the optimal threshold value;
                             combine the flag with one of the above CV_THRESH_* values */

openCV中的测试结果如下图：

这里我设置的threshold为70，使用这种方法二值化后的图像显得不够好，丢失了很多图像信息。

自适应阈值化

上面使用普通阈值化操作得到的图像由于使用 70 为临界点进行二值化，有种“一刀切”的感觉，满足条件就为最大值 255 不满足条件就为 0，在有很强照明或者是反射梯度的图像中进行普通阈值化时就会导致有些地方的图像细节信息丢失。OpenCV中提供了一种更好的解决方法：自适应阈值化操作，函数为：
CVAPI(void) cvAdaptiveThreshold( const CvArr* src, CvArr* dst, double max_value, int adaptive_method CV_DEFAULT(CV_ADAPTIVE_THRESH_MEAN_C), int threshold_type CV_DEFAULT(CV_THR