OpenCV笔记3——图像的灰度化、二值化和像素的读写

1.图像的灰度化

相关API：

注：
1.API实现的功能：converts image from one color space to another
2.RGB图像的灰度化只是这个API功能的一部分；
3.更多功能实现请参考博客：学习opencv之cvtColor

实验代码：

#include <iostream>  
#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
	char *in_window_title = "Src image Window";
	char *out_window_title = "Gray image Window";
	Mat img = imread("E:/girl.jpg");//从指定路径加载图像，注意在Windows下要将路径中的"\"修改为"/"
	if (!img.data)//加载图像失败
	{
		printf("Fault to load image!\n\r");
		return -1;
	}
	imshow(in_window_title, img);//显示原图像
	Mat img_gray;
	cvtColor(img, img_gray, CV_BGR2GRAY);//讲原图像转换为灰度图
	imshow(out_window_title, img_gray);//显示灰度图

	waitKey(0);
	return 0;
}

运行结果：

2.图像的二值化

2.1一般方法

相关API：

参数说明：
二值化的类型主要有以下几种方式：
cv::THRESH_OTSU（俗称 大津法）

这种方法是通过求取类间方差最小来确定分割阈值；

关于大津法参考博客：https://blog.csdn.net/weixin_40647819/article/details/90179953

图示：

实验参考代码：

	...
	Mat img_bin;
	threshold(img_gray, img_bin, 125, 255, THRESH_BINARY);//将灰度图二值化，阈值设置为125，采用THRESH_BINARY方式二值化
	imshow("Binary image Window", img_bin);//显示二值化图像
	...

运行结果：

反二值化1：

bitwise_not(img_bin, img_bin);

反二值化2：

threshold(img_gray, img_bin, 125, 255, THRESH_BINARY_INV);

反二值化图像的效果：

当然也可以直接将RGB彩色图像直接二值化（如下图），像一幅油画，还是挺漂亮的，不过大多时候都是对灰度图进行的操作；

2.2自适应阈值分割：

相关API

自适应分割效果图：

3.像素的读写

3.1实验代码：

#include <iostream>  
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int main()
{
	char *in_window_title = "Src image Window";
	char *out_window_title = "Bin image Window";
	Mat img = imread("E:/color.jpg");//从指定路径加载图像，注意在Windows下要将路径中的"\"修改为"/"
	if (!img.data)//加载图像失败
	{
		printf("Fault to load image!\n\r");
		return -1;
	}
	imshow(in_window_title, img);//显示原图像
	int width = img.cols;
	int height = img.rows;

	for (int row = 0; row < height; row++)
	{
		for (int col = 0; col < width; col++)
		{
			if (img.channels() == 1)//原图像为单通道
			{
				uchar gray = img.at<uchar>(row, col);//单通道像素的读取
				if (gray>125)img.at<uchar>(row, col) = 255;//单通道像素的修改
				else img.at<uchar>(row, col) = 0;
			}
			else if (img.channels() == 3)//原图像为三通道
			{
				//读取8位RGB图像三个通道的值
				uchar b = img.at<Vec3b>(row, col)[0];
				uchar g = img.at<Vec3b>(row, col)[1];
				uchar r = img.at<Vec3b>(row, col)[2];
				//根据相应条件，修改蓝色区域的三通道值，使蓝色变为红色
				if (b>150 && g < 240 && r < 240)
				{
					img.at<Vec3b>(row, col)[0] = 0;
					img.at<Vec3b>(row, col)[1] = 0;
					img.at<Vec3b>(row, col)[2] = 255;
				}

			}
		}
	}
	imshow(out_window_title, img);//显示像素值修改后的图像
	waitKey(0);
	return 0;
}

3.2实验结果

输入为8位彩色图像时的运行结果：

毛刺比较多，顺便再进行一下中值滤波：

medianBlur(img, fil, 5);

中值滤波后的效果如下图：