图像的阈值分割技术

最新推荐文章于 2022-08-21 09:14:20 发布
最新推荐文章于 2022-08-21 09:14:20 发布
阅读量1k 收藏 3
点赞数 1
分类专栏： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44196785/article/details/115672156
版权

全局阈值分割


#include "BMP.h"


BMP_Image* GlobalSegmentation(BMP_Image* Image_In)
{

    BMP_Image* Image_GlobalSegmentation;
  	Image_GlobalSegmentation = (BMP_Image*)malloc(sizeof(BMP_Image));


    Image_GlobalSegmentation->width = Image_In->width;
    Image_GlobalSegmentation->height = Image_In->height;
	Image_GlobalSegmentation->biBitCount = 1;
	Image_GlobalSegmentation->imageRgbQuad = (BMP_RgbQuad*)malloc(sizeof(BMP_RgbQuad)*2);
	Image_GlobalSegmentation->imageData = 	(unsigned char*)malloc(Image_In->height*Image_In->width/8);

	 Image_GlobalSegmentation->imageRgbQuad[0].rgbBlue =     0;
	 Image_GlobalSegmentation->imageRgbQuad[0].rgbGreen = 	 0;
	 Image_GlobalSegmentation->imageRgbQuad[0].rgbRed = 	 0;
	 Image_GlobalSegmentation->imageRgbQuad[0].rgbReserved = 0;

	 Image_GlobalSegmentation->imageRgbQuad[1].rgbBlue = 	 255;
	 Image_GlobalSegmentation->imageRgbQuad[1].rgbGreen = 	 255;
	 Image_GlobalSegmentation->imageRgbQuad[1].rgbRed =	     255;
	 Image_GlobalSegmentation->imageRgbQuad[1].rgbReserved = 0;

	int i,tmp,tmp1,tmp2,tmp3,tmp4,tmp5,tmp6,tmp7,tmp8;

    int Th=135;


    for (i=0; i<Image_In->height*Image_In->width; i=i+8)
    {
		/********* Begin *********/
        if(Image_In->imageData[i] > Th)    tmp1 = 1; else tmp1 = 0;
        if(Image_In->imageData[i+1] > Th)  tmp2 = 1; else tmp2 = 0;
        if(Image_In->imageData[i+2] > Th)  tmp3 = 1; else tmp3 = 0;
        if(Image_In->imageData[i+3] > Th)  tmp4 = 1; else tmp4 = 0;
        if(Image_In->imageData[i+4] > Th)  tmp5 = 1; else tmp5 = 0;
        if(Image_In->imageData[i+5] > Th)  tmp6 = 1; else tmp6 = 0;
        if(Image_In->imageData[i+6] > Th)  tmp7 = 1; else tmp7 = 0;
        if(Image_In->imageData[i+7] > Th)  tmp8 = 1; else tmp8 = 0;
        tmp = tmp1*128 + tmp2*64 + tmp3*32 + tmp4*16 + tmp5*8 + tmp6*4  + tmp7*2  + tmp8*1;
        Image_GlobalSegmentation->imageData[i/8] = tmp;



		/********* End *********/
	}
    return Image_GlobalSegmentation;
}

局部阈值分割


#include "BMP.h"


BMP_Image* LocalSegmentation(BMP_Image* Image_In)
{

    BMP_Image* Image_LocalSegmentation;
  	Image_LocalSegmentation = (BMP_Image*)malloc(sizeof(BMP_Image));


    Image_LocalSegmentation->width = Image_In->width;
    Image_LocalSegmentation->height = Image_In->height;
	Image_LocalSegmentation->biBitCount = 1;
	Image_LocalSegmentation->imageRgbQuad = (BMP_RgbQuad*)malloc(sizeof(BMP_RgbQuad)*2);
	Image_LocalSegmentation->imageData = 	(unsigned char*)malloc(Image_In->height*Image_In->width/8);

	 Image_LocalSegmentation->imageRgbQuad[0].rgbBlue =     0;
	 Image_LocalSegmentation->imageRgbQuad[0].rgbGreen = 	 0;
	 Image_LocalSegmentation->imageRgbQuad[0].rgbRed = 	 0;
	 Image_LocalSegmentation->imageRgbQuad[0].rgbReserved = 0;

	 Image_LocalSegmentation->imageRgbQuad[1].rgbBlue = 	 255;
	 Image_LocalSegmentation->imageRgbQuad[1].rgbGreen = 	 255;
	 Image_LocalSegmentation->imageRgbQuad[1].rgbRed =	     255;
	 Image_LocalSegmentation->imageRgbQuad[1].rgbReserved = 0;

	int i,j,tmp,tmp1,tmp2,tmp3,tmp4,tmp5,tmp6,tmp7,tmp8;

    int Th1=135;
    int Th2=195;
    int Th3=55;
    int Th4=95;

    for (i=0; i<Image_In->height/2; i++)
	    for (j=0; j<Image_In->width/2; j=j+8)
    {
			/********* Begin *********/
			//¶Ô×óÉϽǵÄͼƬ½øÐд¦Àí
            if(Image_In->imageData[i*Image_In->width+j] > Th1)    tmp1 = 1; else tmp1 = 0;
            if(Image_In->imageData[i*Image_In->width+j+1] > Th1)  tmp2 = 1; else tmp2 = 0;
            if(Image_In->imageData[i*Image_In->width+j+2] > Th1)  tmp3 = 1; else tmp3 = 0;
            if(Image_In->imageData[i*Image_In->width+j+3] > Th1)  tmp4 = 1; else tmp4 = 0;
            if(Image_In->imageData[i*Image_In->width+j+4] > Th1)  tmp5 = 1; else tmp5 = 0;
            if(Image_In->imageData[i*Image_In->width+j+5] > Th1)  tmp6 = 1; else tmp6 = 0;
            if(Image_In->imageData[i*Image_In->width+j+6] > Th1)  tmp7 = 1; else tmp7 = 0;
            if(Image_In->imageData[i*Image_In->width+j+7] > Th1)  tmp8 = 1; else tmp8 = 0;
            tmp = tmp1*128 + tmp2*64 + tmp3*32 + tmp4*16 + tmp5*8 + tmp6*4  + tmp7*2  + tmp8*1;
            Image_LocalSegmentation->imageData[(i*Image_In->width+j)/8] = tmp;



			/********* End *********/
	}

    for (i=0; i<Image_In->height/2; i++)
	    for (j=Image_In->width/2; j<Image_In->width; j=j+8)
    {
			/********* Begin *********/
			//¶ÔÓÒÉϽǵÄͼƬ½øÐд¦Àí
            if(Image_In->imageData[i*Image_In->width+j] > Th2)    tmp1 = 1; else tmp1 = 0;
            if(Image_In->imageData[i*Image_In->width+j+1] > Th2)  tmp2 = 1; else tmp2 = 0;
            if(Image_In->imageData[i*Image_In->width+j+2] > Th2)  tmp3 = 1; else tmp3 = 0;
            if(Image_In->imageData[i*Image_In->width+j+3] > Th2)  tmp4 = 1; else tmp4 = 0;
            if(Image_In->imageData[i*Image_In->width+j+4] > Th2)  tmp5 = 1; else tmp5 = 0;
            if(Image_In->imageData[i*Image_In->width+j+5] > Th2)  tmp6 = 1; else tmp6 = 0;
            if(Image_In->imageData[i*Image_In->width+j+6] > Th2)  tmp7 = 1; else tmp7 = 0;
            if(Image_In->imageData[i*Image_In->width+j+7] > Th2)  tmp8 = 1; else tmp8 = 0;
            tmp = tmp1*128 + tmp2*64 + tmp3*32 + tmp4*16 + tmp5*8 + tmp6*4  + tmp7*2  + tmp8*1;
            Image_LocalSegmentation->imageData[(i*Image_In->width+j)/8] = tmp;



			/********* End *********/
	}

    for (i=Image_In->height/2; i<Image_In->height; i++)
	    for (j=0; j<Image_In->width/2; j=j+8)
    {
			/********* Begin *********/
			//¶Ô×óϽǵÄͼƬ½øÐд¦Àí
            if(Image_In->imageData[i*Image_In->width+j] > Th3)    tmp1 = 1; else tmp1 = 0;
            if(Image_In->imageData[i*Image_In->width+j+1] > Th3)  tmp2 = 1; else tmp2 = 0;
            if(Image_In->imageData[i*Image_In->width+j+2] > Th3)  tmp3 = 1; else tmp3 = 0;
            if(Image_In->imageData[i*Image_In->width+j+3] > Th3)  tmp4 = 1; else tmp4 = 0;
            if(Image_In->imageData[i*Image_In->width+j+4] > Th3)  tmp5 = 1; else tmp5 = 0;
            if(Image_In->imageData[i*Image_In->width+j+5] > Th3)  tmp6 = 1; else tmp6 = 0;
            if(Image_In->imageData[i*Image_In->width+j+6] > Th3)  tmp7 = 1; else tmp7 = 0;
            if(Image_In->imageData[i*Image_In->width+j+7] > Th3)  tmp8 = 1; else tmp8 = 0;
            tmp = tmp1*128 + tmp2*64 + tmp3*32 + tmp4*16 + tmp5*8 + tmp6*4  + tmp7*2  + tmp8*1;
            Image_LocalSegmentation->imageData[(i*Image_In->width+j)/8] = tmp;



			/********* End *********/
	}

    for (i=Image_In->height/2; i<Image_In->height; i++)
	    for (j=Image_In->width/2; j<Image_In->width; j=j+8)
    {
			/********* Begin *********/
			//¶ÔÓÒϽǵÄͼƬ½øÐд¦Àí
            if(Image_In->imageData[i*Image_In->width+j] > Th4)    tmp1 = 1; else tmp1 = 0;
            if(Image_In->imageData[i*Image_In->width+j+1] > Th4)  tmp2 = 1; else tmp2 = 0;
            if(Image_In->imageData[i*Image_In->width+j+2] > Th4)  tmp3 = 1; else tmp3 = 0;
            if(Image_In->imageData[i*Image_In->width+j+3] > Th4)  tmp4 = 1; else tmp4 = 0;
            if(Image_In->imageData[i*Image_In->width+j+4] > Th4)  tmp5 = 1; else tmp5 = 0;
            if(Image_In->imageData[i*Image_In->width+j+5] > Th4)  tmp6 = 1; else tmp6 = 0;
            if(Image_In->imageData[i*Image_In->width+j+6] > Th4)  tmp7 = 1; else tmp7 = 0;
            if(Image_In->imageData[i*Image_In->width+j+7] > Th4)  tmp8 = 1; else tmp8 = 0;
            tmp = tmp1*128 + tmp2*64 + tmp3*32 + tmp4*16 + tmp5*8 + tmp6*4  + tmp7*2  + tmp8*1;
            Image_LocalSegmentation->imageData[(i*Image_In->width+j)/8] = tmp;



			/********* End *********/
	}

    return Image_LocalSegmentation;
}
川师_King
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
图像的阈值分割
Lemon_jay的博客
04-22 3262
使用C++、opencv对图像进行简单的阈值分割 对图像进行颜色的阈值分割，往往不知道阈值设置为多少合适，需要不断测试，针对此问题，设置了阈值的滑动条，从而可以通过滑动滑动条快速找到阈值。 最常见的阈值分割即为R、G、B的阈值分割，即判断像素点的R、G、B值是否大于或小于某一阈值，满足条件的点就保留或删除。 本代码阈值分割的算法是直接按行按列依次遍历图像每个像素点，判断像素点的值是否满足分割...
imageJ marco threshold自适应阈值
qq_30117591的博客
05-01 2885
该代码为imageJ marco code 将8bit灰度图片文件导入后可用此代码算出adaptive threshold height=getHeight(); width=getWidth(); histo=newArray(256); cutpre=0; cutnow=0; for(i=0;i<width;i++){ for (ii=0;ii<height;ii++){ ...
C语言实现BMP图像的读写
weixin_47364956的博客
04-03 5587
纯C语言实现BMP图像的读、写 对于刚接触数字图像的同学，应该都有一个疑问，如何把一个BMP格式的图像用纯C语言读入呢，我相信这也是数字图像处理的第一步，如果有幸看到这篇文档，我就有幸的成为你数字图像处理路上的第一盏明灯！ 了解BMP的构成 这就是BMP图像的理论知识，有个大概的了解就行，最主要的是从理论到实践！！！ 废话不多说，直接上干货。 代码 定义头文件为“bmp.h”，定义read_bmp函数为读函数，write_bmp函数为写函数 读bmp图 #include <stdlib.h&
空域的锐化
weixin_44196785的博客
04-05 1118
第1关：Roberts梯度算子 #include "BMP.h" BMP_Image* Roberts(BMP_Image* Image_In) { BMP_Image* Roberts; Roberts = (BMP_Image*)malloc(sizeof(BMP_Image)); Roberts->width = Image_In->width -1; Roberts->height = Image_In->height -1; Ro
图像处理之阈值分割[全局阈值、Otsu阈值和迭代式阈值分割]
qq_44111805的博客
08-21 3万+
背景CO的灰度级为0 ~ t-1，目标C1的灰度级为t ~ L-1。对于物体和背景对比较明显的图像，其灰度直方图为双峰形状，可以选择两峰之间的波谷对应的像素值作为全局阙值，将图像分割为目标对象和背景。迭代阈值法是阈值法图像分割中比较有效的方法，通过迭代的方法来求出分割的最佳阅值，具有一定的自适应性。其中f(x,y)为点(x,y)的像素值，g(x,y) 为分割后的图像，T为全局阈值，阈值分割技术是最经典和流行的图像分割方法之一，也是最简单的一种图像分割方法。可以通过全局的信息，例如整个图像的灰度直方图。
图像分割：阈值获取方法总结
热门推荐
qingkongyeyue的博客
07-16 5万+
阈值分割原理： 一副图像包括目标、背景和噪声，设定某一阈值T将图像分成两部分：大于T的像素群和小于T的像素群。 在实际处理时候，为了显示需要一般用255表示背景，用0表示对象物。 由于实际得到的图像目标和背景之间不一定单纯地分布在两个灰度范围内，此时就需要两个或以上的阈值来提取目标。 图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、
浅谈图像阈值分割技术
04-16
图像分割是一种关键的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。...本文通过对图像阈值分割的描述、分类、特点分析，让人们熟悉阈值分割的特点，为今后在图像分割方面提供一条解决问题的思路。
基于MATLAB的图像阈值分割技术实用文档doc.doc
12-01
基于MATLAB的图像阈值分割技术实用文档doc.doc
基于MATLAB的图像阈值分割技术.doc
10-08
【基于MATLAB的图像阈值分割技术】 图像处理与计算机视觉领域中，图像分割是至关重要的基础技术之一，尤其在低层次视觉分析中扮演着核心角色。图像阈值分割是图像分割的一种常见方法，因其简单易行、计算量小、性能...
灰度图像阈值分割
11-18
用于实现灰度图像阈值分割的二维最大熵方法，使用matlab实现
图像阈值分割技术原理和比较.docx
06-30
2. 图像阈值分割和边缘检测原理 2.1 阈值分割原理 阈值分割是根据像素灰度值设定一个或多个阈值，将图像划分为目标和背景两个部分。常见的阈值分割方法包括： - 手动（全局）阈值分割：这种方法最简单，直接设定...
图像分割__阈值分割
Boring_Firecar的博客
11-05 2580
阈值分割 为得到图像中的物体信息, 必须进行图像分割, 即提取图像中与感兴趣物体相对应的区域, 而其中最简单的分割算法是图像的阈值分割。 1. 全局阈值 使用过程中的五种阈值类型如上图所示 这种设定全局阈值的来进行图像分割的方法还是比较好理解的, 即设定一个阈值, 跟图像的每一个像素点的灰度值比较, 然后根据上面的五种类型的对应规则改变图中像素点的灰度值来达到图像分割的目的. 1.1 cv2.threshold()函数 ret, img = cv2.threshold (src, thresh,
图像阈值分割（二值化）
wrightman的专栏
09-11 2万+
图像分割是模式识别和计算机视觉中很重要的
图像分割阈值选取技术综述
深之JohnChen的专栏
02-27 1万+
图像分割阈值选取技术综述中科院成都计算所 刘平   2004-2-26摘要 图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提．阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术．已被应用于很多的领域。本文是在阅读大量国内外相关文献的基础上，对阈值分割技术稍做总结，分三个
图像二值化方法及适用场景分析（OTSU Trangle 自适应阈值分割）
weixin_43046653的博客
10-23 1万+
图像二值化应用场景二值图像定义阈值获取的方法手动阈值法自动阈值法灰度均值法基于直方图均值法OTSUTriangle自适应均值阈值分割方法总结参考文献 应用场景 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。本文将着重介绍如何从...
BMP图像的读
weixin_44196785的博客
03-21 1029
第1关：1位黑白BMP图像的读 #include "BMP.h" BMP_Image* BMP_LoadImage(char* path) { BMP_BitMapFileHeader bmpFileHeader; BMP_BitMapInfoHeader bmpInfoHeader; BMP_RgbQuad* quad; BMP_Image* bmpImg; FILE* pFile; int width = 0; int height =
基于RGB空间的交通标志检测
Studying……
11-02 5312
主要思想来自颜色分类论文《Goal Evaluation of Segmentation Algorithms for Traffic Sign Recognition》 RGB空间是通常的初始的空间，如果简单的分割过程是其目的，使用RGB空间是比较好的选择。然而，三个颜色之间的高相关性组件和光照变化颜色的效果信息，使得它很难找到正确的阈值。在这个空间上，一个解决办法是使用RGB的相对于归一
基于阈值的7种图像分割方法以及Python实现
weixin_42272768的博客
05-17 1万+
阈值图像分割的7种方法之固定阈值和双峰法
matlab图像阈值分割
最新发布
09-06
对于图像阈值分割，MATLAB提供了一些函数和工具来实现。您可以使用`imbinarize`函数将图像二值化，通过选择适当的阈值来分割图像。例如，以下代码将图像`img`二值化，并将阈值设为0.5： ```matlab binaryImg = imbinarize(img, 0.5); ``` 您还可以使用`graythresh`函数自动选择一个合适的阈值。该函数使用Otsu的方法来确定一个能够最大化类间方差的阈值。以下代码演示了如何使用`graythresh`函数： ```matlab threshold = graythresh(img); binaryImg = imbinarize(img, threshold); ``` 另外，您还可以使用`im2bw`函数将图像转换为二值图像。该函数使用一个指定的阈值将图像分割为两个像素值。以下代码演示了如何使用`im2bw`函数： ```matlab binaryImg = im2bw(img, 0.5); ``` 这些是MATLAB中一些常用的图像阈值分割方法。根据您的需求和图像特点，您可以选择适合的方法来进行阈值分割。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值