基本概念
图像阈值化是图像处理的重要基础部分, 应用很广泛, 可以根据灰度差异来分割图像不同部分阈值化处理的图像一般为单通道图像(灰度图)阈值化参数的设置可以使用滑动条来debug阈值化处理易光照影响, 处理时应注意本节主要介绍的图像阈值化函数方法： 固定阈值：threshold() 自适应阈值：adaptiveThreshold()
固定阈值—threshold()
函数原型
CV_EXPORTS_W
double threshold( InputArray src, OutputArray dst,
double thresh,
double maxval,
int type );
src: 单通道图像(灰度图或二值图)dst: 输出图像要求和src一样的尺寸和类型
maxValue 使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的 最大值
adaptiveMethod: 指定自适应阈值算法, 可取值为CV_ADAPTIVE_THRESH_MEAN_C 或CV_ADAPTIVE_THRESH_GAUSSIAN_C
thresholdType: 取阈值类型取值必须为CV_THRESH_BINARY、CV_THRESH_BINARY_INV二者之一blockSize: 用来计算阈值的邻域大小3, 5, 7,… C: 减去平均或加权平均后的常数值
阈值类型
代码
#include "mainwindow.h"
#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
MainWindow::MainWindow(QWidget *parent)
: QMainWindow(parent)
{
Mat srcImg=imread(
"D:\\1\\1.png",
0);
Mat dstImg1;
Mat dstImg2;
Mat dstImg3;
Mat dstImg4;
Mat dstImg5;
threshold(srcImg,dstImg1,
100,
255,CV_THRESH_BINARY);
threshold(srcImg,dstImg2,
100,
255,CV_THRESH_BINARY_INV);
threshold(srcImg,dstImg3,
100,
255,CV_THRESH_TRUNC);
threshold(srcImg,dstImg4,
100,
255,CV_THRESH_TOZERO);
threshold(srcImg,dstImg5,
100,
255,CV_THRESH_TOZERO_INV);
imshow(
"srcImg",srcImg);
imshow(
"dstImg1",dstImg1);
imshow(
"dstImg2",dstImg2);
imshow(
"dstImg3",dstImg3);
imshow(
"dstImg4",dstImg4);
imshow(
"dstImg5",dstImg5);
}
MainWindow::~MainWindow()
{
}
运行结果
CV_THRESH_BINARY
CV_THRESH_BINARY_INV
CV_THRESH_TRUNC
CV_THRESH_TOZERO
CV_THRESH_TOZERO_INV
srcImg
知识点讲解
如何将灰度图转为二值图 方式一
Mat srcImg=imread(
"D:\\1\\1.png",
0);
方式二
Mat srcImg=imread(
"D:\\1\\1.png");
cvtColor(srcImg,srcImg,CV_BGR2GRAY);
自适应阈值—adaptiveThreshold()
概念
1.对矩阵采用自适应阈值操作, 自适应阈值是根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值 2.函数 adaptiveThreshold 将灰度图像变换到二值图像 采用的公式
其中T(x, y)为分别计算每个单独像素的阈值, 取值如下:
对方法 CV_ADAPTIVE_THRESH_MEAN_C, 先求出块中的均值，再减掉C对方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C, 先求出块中的加权和(gaussian), 再减掉C
函数原型
CV_EXPORTS_W
void adaptiveThreshold( InputArray src, OutputArray dst,
double maxValue,
int adaptiveMethod,
int thresholdType,
int blockSize,
double C );
src: 单通道图像(灰度图或二值图)dst: 输出图像要求和src一样的尺寸和类型maxValue:使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值adaptiveMethod: 指定自适应阈值算法, 可取值为CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C
thresholdType: 取阈值类型取值必须为CV_THRESH_BINARY、 CV_THRESH_BINARY_INV二者之一
blockSize: 用来计算阈值的邻域大小3, 5, 7,…
C: 减去平均或加权平均后的常数值
代码
MEAN_C 均值滤波
adaptiveThreshold(srcImg,dstImg,255,CV_ADAPTIVE_THRESH_MEAN_C,CV_THRESH_BINARY,11,5);
GUUSSIAN 高斯滤波，处理边缘效果比较好
adaptiveThreshold(srcImg,dstImg2,255,CV_ADAPTIVE_THRESH_GAUSSIAN_C,CV_THRESH_BINARY,11,5);
图像阈值化与滑动条
#include "mainwindow.h"
#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#define thresholdWindow "GuDingWindow"
#define thresholdAdaptWindow "AdaptWindow"
using namespace cv;
using namespace std;
Mat srcImg;
Mat dstImg,dstImg2;
int thres_min=
20;
int block_size=
3;
int C0=
3;
void OnThreshold(
int,
void*){
threshold(srcImg,dstImg,thres_min,
255,CV_THRESH_BINARY);
imshow(thresholdWindow,dstImg);
}
void OnAdaptThreshold(
int,
void*){
if(block_size%
2==
0){
block_size++;
}
adaptiveThreshold(srcImg,dstImg2,
255,CV_ADAPTIVE_THRESH_GAUSSIAN_C,CV_THRESH_BINARY,block_size,C0);
imshow(thresholdAdaptWindow,dstImg2);
}
MainWindow::MainWindow(QWidget *parent)
: QMainWindow(parent)
{
namedWindow(thresholdWindow,CV_WINDOW_AUTOSIZE);
namedWindow(thresholdAdaptWindow,CV_WINDOW_AUTOSIZE);
srcImg=imread(
"D:\\1\\1.png",
0);
createTrackbar(
"Threshold",thresholdWindow,&thres_min,
255,OnThreshold,
0);
createTrackbar(
"blockSize",thresholdAdaptWindow,&block_size,
255,OnAdaptThreshold,
0);
createTrackbar(
"C",thresholdAdaptWindow,&C0,
9,OnAdaptThreshold,
0);
OnThreshold(thres_min,
0);
OnAdaptThreshold(block_size,
0);
OnAdaptThreshold(C0,
0);
imshow(
"img",srcImg);
waitKey(
0);
}
MainWindow::~MainWindow()
{
}
