使用OpenCV C++进行图像二值化操作_opencv c++ 二值化

threshold()

double cv::threshold( 	
        InputArray  src,
		OutputArray dst,
		double  	thresh,
		double  	maxval,
		int  	    type 
	) 	

threshold()将固定阈值应用于多通道图像阵列，通常用于从灰度图像中获得二值图像或用于去除噪声，即滤除值过小或过大的像素。该函数支持几种类型的阈值设置，它们由类型参数决定。

参数

src：输入数组（多通道，8位或32位浮点数）

dst：输出数组（与src的尺寸、类型、通道数相同）

thresh：阈值

maxval：最大值

type：阈值类型

返回值

如果使用Otsu或Triangle方法，将返回计算出的阈值。

ThresholdTypes

阈值操作的类型

1. THRESH_BINARY（二值化阈值处理）：

   • THRESH_BINARY方法将图像中的像素值与给定的阈值进行比较，大于等于阈值的像素被设置为一个最大值（通常为255），小于阈值的像素被设置为0。
   • 最佳用途：适用于分离目标物体和背景，或者在需要检测物体边缘时，可以用于边缘检测。

2. THRESH_BINARY_INV（反二值化阈值处理）：

   • THRESH_BINARY_INV与THRESH_BINARY相反，大于等于阈值的像素被设置为0，小于阈值的像素被设置为最大值。
   • 最佳用途：适用于与THRESH_BINARY相反的情况，或者在需要突出物体的特定区域时，可以用于增强物体的特征。

3. THRESH_TRUNC（截断阈值处理）：

   • THRESH_TRUNC方法保留小于等于阈值的像素值，而大于阈值的像素值被设置为阈值。
   • 最佳用途：适用于保留图像中的某个范围内的像素值，可以用于增强图像的对比度。

4. THRESH_TOZERO（截断为零阈值处理）：

   • THRESH_TOZERO方法保留大于等于阈值的像素值，小于阈值的像素值被设置为零。
   • 最佳用途：适用于突出图像中的亮部分，可以用于增强图像的亮部细节。

5. THRESH_TOZERO_INV（反截断为零阈值处理）：

   • THRESH_TOZERO_INV与THRESH_TOZERO相反，大于等于阈值的像素值被设置为零，小于阈值的像素值保持不变。
   • 最佳用途：适用于突出图像中的暗部分，可以用于增强图像的暗部细节。

 （上述回答来自ChatGPT）

特殊值THRESH_OTSU或THRESH_TRIANGLE可以与上述值中的一个组合。在这些情况下，函数使用Otsu's或Triangle算法确定最佳阈值，并使用它而不是指定的阈值。

THRESH_OTSU与THRESH_TRIANGLE分别使用Otsu和Triangle算法选择最佳阈值。

测试代码：

#include <opencv2/opencv.hpp>
#include <iostream>
 
using namespace std;
using namespace cv;
 
int main(int argc, char* argv[])
{
	Mat img = imread("path");
	Mat gray;
 
	cvtColor(img, gray, COLOR_BGR2GRAY);
 
	Mat	imgB, imgBInv, imgTrunc, imgTZ, imgTZInv;
 
    // 也可进行彩色图像的阈值化
	threshold(gray, imgTrunc, 125, 255, THRESH_TRUNC);
	threshold(gray, imgB, 125, 255, THRESH_BINARY);
	threshold(gray, imgBInv, 125, 255, THRESH_BINARY_INV);
	threshold(gray, imgTrunc, 125, 255, THRESH_TRUNC);
	threshold(gray, imgTZ, 125, 255, THRESH_TOZERO);
	threshold(gray, imgTZInv, 125, 255, THRESH_TOZERO_INV);
 
    // 使用Otsu算法
    // threshold(gray, imgB, 125, 255, THRESH_BINARY | THRESH_OTSU);
	
	imshow("gray", gray);
	imshow("imgTrunc", imgTrunc);
	imshow("imgB", imgB);
	imshow("imgBInv", imgBInv);
	imshow("imgTZ", imgTZ);
	imshow("imgTZInv", imgTZInv);
 
	waitKey(0);
}

运行结果：

 adaptiveThreshold()

void cv::adaptiveThreshold 	( 	
        InputArray  src,
		OutputArray dst,
		double  	maxValue,
		int  	     adaptiveMethod,
		int  	    thresholdType,
		int  	    blockSize,
		double  	C 
	) 	

对图像阵列应用自适应阈值，该函数根据公式将灰度图像变换为二值图像:

 其中T(x,y)是针对每个像素单独计算的阈值。

参数

src：八位单通道图像

dst：与src尺寸和类型相同的目标图像

maxValue：赋给满足条件的像素的非零值

adaptiveMethod：使用的自适应阈值算法

thresholdType：阈值类型，必须为THRESH_BINARY或THRESH_BINARY_INV

blockSize：用于计算像素阈值的像素邻域大小：3，5，7......

C：从平均值或加权平均值中减去的常数。通常，它是正的。

AdaptiveThresholdTypes

测试代码：

#include <opencv2/opencv.hpp>
#include <iostream>
 
using namespace std;
using namespace cv;
 
int main(int argc, char* argv[])
{
	Mat img = imread("path");
	Mat gray;
 
	cvtColor(img, gray, COLOR_BGR2GRAY);
 
	Mat	imgB, imgMean, imgGaussian;
 
	threshold(gray, imgB, 125, 255, THRESH_BINARY);
    // adaptiveThreshold() 只能接受灰度图像
	adaptiveThreshold(gray, imgMean, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 7, 0);
	adaptiveThreshold(gray, imgGaussian, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 7, 0);
 
	imshow("gray", gray);
	imshow("imgB", imgB);
	imshow("imgMean", imgMean);
	imshow("imgGaussian", imgGaussian);
 
	waitKey(0);
}

运行结果：