opencv学习十五 基本阈值操作

图像阈值 threshold

• 是把图像分割的标尺
• 应用举例：从一副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整体）。这样的图像分割方法是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级的分割。
• 为了从一副图像中提取出我们需要的部分，应该用图像中的每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。（注意：阈值的选取依赖于具体的问题。即：物体在不同的图像中有可能会有不同的灰度值。

阈值类型（阈值处理方法）----threshold_type

阈值二值化（threshold binary）：超过阈值的取最大值，小于阈值的取最小值
阈值反二值化（threshold binary inverted）：超过阈值的取最小值，小于阈值的取最大值
阈值截断（truncate）：超过阈值的，等于阈值
阈值取零（threshold to zero）：小于阈值的，取零
阈值反取零（threshold to zero inverted）：大于阈值的，取零

阈值寻找方法

THRESH_OTSU：当图像黑白分明时可以使用
THRESH_TRIANGLE
这两个类型与前面五个结合起来用，不用自己指定thresh值，系统会进行计算并且作为返回值返回

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
const char result[] = "optput_image";
int thresh_value = 127;
int thresh_max = 255;
int type = 2;
int type_max = 4;
void threshold_demo(int,void *);
Mat src,dst;
int main(int argc,char** argv)
{
 src = imread("D:/vcprojects/test.png");
 if (!src.data)
 {
  printf("could not load image...\n");
  return -1;
 }
 namedWindow("input_image", WINDOW_AUTOSIZE);
 namedWindow(result, WINDOW_AUTOSIZE);
 imshow("input_image", src);
 createTrackbar("thresh:", result, &thresh_value, thresh_max, threshold_demo);
 createTrackbar("type:", result, &type, type_max, threshold_demo);//用于控制thresh_type的控件
 threshold_demo(0, 0);
 waitKey(0);
 return 0;
}
void threshold_demo(int, void *)
{
 Mat gray_image;
 cvtColor(src, gray_image, COLOR_BGR2GRAY);
 //threshold(gray_image, dst, thresh_value, thresh_max, type);//在opencv中阈值类型应该是有默认序号的
 threshold(gray_image, dst, 0, 255,THRESH_OTSU|type );//使用ostu生成阈值，会忽略我们自己设定的阈值，并且滑动控件时，也不会改变
 imshow(result, dst);
}

结果