从零开始学习OpenCVSharp——学习笔记3 图像基础操作演示

本节内容在上一节理论的基础上进行实操学习。案例框架在winfrom窗体程序上运行。

读取图片

首先在程序Debug目录下新建个test文件，存入一张图片（jpg格式）

            string imagePath = @"test\ball.jpg";\\文件地址
            Mat src = Cv2.ImRead(imagePath, ImreadModes.Color);
            string windowName = "Display Window";\\窗体名称
            Cv2.ImShow(windowName, src);
            Cv2.WaitKey(0); // 等待用户按键，参数为0时表示无限等待

图片灰度图

总是提图像灰度化，究竟图像灰度是为什么呢？

首先，灰度化可以简化图像处理过程。灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），其灰度范围为0~255。这种表示方式可以大大减小图像对系统资源的占用，提高图像处理速度，降低后续图像特征提取的难度。

其次，灰度化有助于提取图像的有效信息。灰度图像只包含亮度信息，而不包含颜色信息，这使得图像识别算法可以更加专注于提取图像的纹理特征，避免颜色对图像识别造成的干扰和误差。例如，在人脸识别、车牌识别等应用中，灰度化后的图像能更准确地反映目标的形状和结构信息。

此外，灰度化还可以避免条带失真。灰度图像的精度刚好能够避免可见的条带失真，使得图像在显示和保存时更加清晰和准确。

            Mat src = Cv2.ImRead(imagePath, ImreadModes.Grayscale);\\选择灰度图
            string windowName = "Gary";
          
            Cv2.ImShow(windowName, src);
            Cv2.WaitKey(0); // 等待用户按键，参数为0时表示无限等待

图片二值化

图像二值化，它将图像的像素值转换为只有两种可能的值，通常是0（黑色）和255（白色）。这个过程涉及到设置一个阈值，然后将图像中所有像素的灰度值与该阈值进行比较。如果像素值低于阈值，则将其设置为0（或黑色）；如果像素值高于或等于阈值，则将其设置为255（或白色）。

            Mat src = Cv2.ImRead(imagePath, ImreadModes.Color);
            // 创建输出图像  
            Mat dst = new Mat();
            // 二值化，这里使用简单的阈值方法，你可以根据需要选择其他方法  
            Cv2.Threshold(src, dst, 170, 255, ThresholdTypes.Binary);
            // 保存二值化后的图像  
            Cv2.ImWrite("output.jpg", dst);
            string windowName = "Binary";
            Cv2.ImShow(windowName, dst);
            Cv2.WaitKey(0);

        在这个例子中，我们使用了简单的阈值方法，并设置了阈值为 170，这意味着所有像素值小于 170 的像素将被设置为 0（黑色），而所有像素值大于或等于 170 的像素将被设置为 255（白色）.

        当然OenCVSharp对于阈值的选择，也提供自适应阈值处理。例如大津法（Otsu's method）等算法，用于自动计算二值化时的最佳阈值。这种方法尤其适用于那些前景和背景灰度值差异较大的图像。大津法的原理这里就不详细解释，感兴趣的小伙伴可以自行查阅。

            // 使用Otsu's方法自动计算最佳阈值并进行二值化  
            double thresholdValue = 0; // 用于存储计算出的最佳阈值  
            Cv2.Threshold(src, dst, 0, 255, ThresholdTypes.Otsu | ThresholdTypes.Binary, thresholdValue);  
  
            // 输出最佳阈值  
            Console.WriteLine("Optimal threshold value: " + thresholdValue);  
  
            // 显示原始图像和二值化后的图像  
            Cv2.ImShow("Original Image", src);  
            Cv2.ImShow("Binary Image", dst);  
  
            // 等待用户按键后关闭窗口  
            Cv2.WaitKey(0); 

效果图

如果按照以上步骤，我们会发现二值化的图片与原图相差不大，不利于识别特征物体。这是由于我们未先将图片转化为灰度图。我们对图片二值化的基础应正确地将图像转换为灰度图。

            Mat src = Cv2.ImRead(imagePath, ImreadModes.Grayscale);
            // 创建输出图像  
            Mat dst = new Mat();
            // 二值化，这里使用简单的阈值方法，你可以根据需要选择其他方法  
            Cv2.Threshold(src, dst, 190, 255, ThresholdTypes.Binary);
            // 保存二值化后的图像  
            Cv2.ImWrite("output.jpg", dst);
            string windowName = "Binary";
            Cv2.ImShow(windowName, dst);
            Cv2.WaitKey(0);

养成良好的学习习惯，学一步理解一步。接下来我会加快学习的步伐。