图像处理的一个主要目的便是把图像数据进行简化和提取。
图像的灰度化和图像的阈值化是常用的两种简化处理方法。
图像的灰度化处理是指把图像从三维彩色空间降到一维的灰度空间,在OpenCV中实现起来很简单,用函数cvtColor()就能实现,关于函数cvtColor()的使用,可以参见我的另两篇博文,链接分别如下:
https://blog.csdn.net/wenhao_ir/article/details/51553718
https://blog.csdn.net/wenhao_ir/article/details/123500141
图像的阈值化处理是在灰度图像的基础上,把灰度图像进一步简化为二值图像,即整幅图像的各点像素值只用两个数值来表示,其中一个数值为零,另一个数值为非零值。
图像的阈值化的关键是找到一个最佳阈值,使得在进行图像简化操作是尽量多的过滤掉我们不需要的信息并保留我们需要的信息。
本文介绍如何用OpenCV的函数threshold()对图像作基于OTSU的阈值化处理。
先简单介绍下OTSU阈值计算法。
OTSU---即最大方差阈值,也叫最大类间方差法,也叫大津阈值,是1980年由日本的大津展之提出的。它的基本思路是把直方图在某一阈值处分割成两组,当被分成的两组间方差为最大时,这一阈值为“决定阈值”。OTSU阈值计算法的详细原理大家及其实现代码可以参见博文:https://blog.csdn.net/weixin_44227356/article/details/116031602
再来介绍OpenCV的函数threshold()
OpenCV的函数threshold()的详细介绍见下面这篇博文
https://www.hhai.cc/thread-162-1-1.html
OpenCV的函数threshold()的详细介绍见博文
https://www.hhai.cc/thread-162-1-1.html
函数threshold()的第5个参数type的第7个枚举值“THRESH_OTSU”便是咱们这里要用到的,它的意义为:函数threshold()使用OTSU算法得到的阈值来对图片进行二值化处理,此时参数中的thresh不起作用。
利用OpenCV的函数threshold()对图像作基于OTSU的阈值化处理的C++代码如下:
代码中用到的图像下载链接:
https://pan.baidu.com/s/1k13r2DdhEXuXWlxV-IbxNA 提取码:kwgo
//opencv版本:OpenCV3.0
//VS版本:VS2013
//博主微信/QQ 2487872782
//有问题可以联系博主交流
//有图像处理需求也可联系博主
//图像处理技术交流QQ群 271891601
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/imgproc/types_c.h>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
Mat img = imread("F:/material/images/P0027-coins-01.png");
if (img.empty())
{
cout << "Error: Could not load image" << endl;
return 0;
}
Mat gray;
cvtColor(img, gray, CV_BGR2GRAY);
Mat dst;
threshold(gray, dst, 0, 255, CV_THRESH_OTSU);
imshow("src", img);
imshow("dst", dst);
waitKey(0);
return 0;
}
运行结果如下图所示:
Python示例代码见博文 https://blog.csdn.net/wenhao_ir/article/details/125592598