【OpenCV学习笔记】4.阈值分割

• 阈值分割是一种基于区域的、简单的通过灰度信息提取形状的技术，实现简单、计算量小、性能稳定，因此应用广泛。阈值分割后的输出图像只有两种灰度值：255和0，因此阈值分割处理又被称为图像二值化。

1.方法概述

• 全局阈值分割
  全局阈值分割是将灰度值大于thresh（阈值）的像素设为白色，小于或者等于thresh的像素设为黑色；或者反过来。
  假设输入图像为$I$，高为$H$，宽为$W$，$I(r,c)$代表$I$的第$r$行第$c$列的灰度值，$0\le r<H,0\le c<W,$全局阈值处理后的输出图像为$O$，则：
  $O(r,c)=\{\begin{array}{ll}255,& I(r,c)>thresh\\ 0,& I(r,c)\le thresh\end{array}$
  或者
  $O(r,c)=\{\begin{array}{ll}0,& I(r,c)>thresh\\ 255,& I(r,c)\le thresh\end{array}$

threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type)
//src-输入矩阵，数据类型为CV_8U或者CV_32F
//dst-输出矩阵
//thresh-阈值
//maxval-图像二值化时，一般为255
//type-类型

当type=THRESH_BINARY,
$dst(r,c)=\{\begin{array}{ll}maxval,& src(r,c)>thresh\\ 0,& src(r,c)\le thresh\end{array}$
当type=THRESH_BINARY_INV,
$dst(r,c)=\{\begin{array}{ll}0,& src(r,c)>thresh\\ maxval,& src(r,c)\le thresh\end{array}$
当type为THRESH_OTSU或THRESH_TRIANGLE时，src只支持uchar类型，此时thresh作为输出参数，即通过Otsu和TRIANGLE算法自动计算。

//examples：
threshold(src, dst, 150, 255, THRESH_BINARY);
triThe = threshold(src, dst_tri, 0, 255, THRESH_TRIANGLE+THRESH_BINARY);

手动设置阈值效果不是很好，直方图技术法、Otsu算法、熵算法是比较流行的自动选取全局阈值的算法。

• 局部阈值分割
  在有些情况下，如光照不均，全局阈值分割效果不理想，使用局部阈值（自适应阈值）可以产生较好的效果。
  $O(r,c)=\{\begin{array}{ll}255,& I(r,c)>thresh(r,c)\\ 0,& I(r,c)\le thresh(r,c)\end{array}$
  或者
  O ( r , c ) = { 0 , I ( r , c ) > t h r e s h ( r , c ) 255 , I ( r , c ) ≤ t h