OpenCV学习笔记（十一）：阈值化：threshold(), adaptiveThreshold()
发布时间
阅读量：
阅读量
OpenCV学习笔记（十一）：阈值化：threshold(),adaptivethreshold()
一、定义：
1）采用固定阈值的处理方式
double threshold(
InputArray src, // 输入图像，单通道
OutputArray dst, // 输出图像
double thresh, // 阈值的具体值
double maxval, // 最大值，生成二值图时用到
int type); // 阈值类型
// 常用的两种阈值化类型
// THRESH_BINARY = 0, 阈值化处理生成二值图像
// THRESH_BINARY_INV = 1, 阈值化处理并反转生成二值图
==阈值类型:==
0 = THRESH_BINARY二进制阈值化：
将灰度值大于thresh的设置为maxval，不大于thresh设置为0。
1 = THRESH_BINARY_INV反二进制阈值化：
将灰度值大于thresh的设置为0，不大于thresh设置为maxval。
2 = THRESH_TRUNC截断阈值化：
将灰度值大于thresh的设置为threshold，不大于thresh的灰度值不变。
3 = THRESH_TOZERO阈值化为0：
将灰度值大于thresh的不变，超过阈值置为0。
4 = THRESH_TOZERO_INV反阈值化为0：
将灰度值大于thresh的不变，低于阈值置为0。
THRESH_MASK
THRESH_OTSU 使用Otsu算法选择最优阈值，使这个阈值可以将前景色和背景色尽可能分开。
THRESH_TRIANGLE 使用三角形算法选择最优阈值
2）自适应阈值处理过程
void adaptiveThreshold(
InoutArray src, // 源图像数组
OutputArray dst, // 输出图像组
double maxValue, // 最大值，生成二值图时用到
int adaptiveMethod, // 自适应阈值算法选择 ADAPTIVE_THRESH_MEAN_C或ADAPTIVE_THRESH_GAUSSIAN_C;
int thresholdType, // 阈值类型THRESH_BINARY或THRESH_BINARY_INV
int blockSize, // 邻域块大小,用来计算区域阈值,一般选择3、5、7……;
double C // 它是一个从均匀或加权均值提取的常数，可以是负数
)
==自适应阈值算法==
ADAPTIVE_THRESH_MEAN_C 的计算方法是
计算出邻域的平均值再减去第七个参数double C的值
ADAPTIVE_THRESH_GAUSSIAN_C 的计算方法是
计算出邻域的高斯均匀值再减去第七个参数double C的值
二、固定阈值threshold() 代码示例：
1）核心控制函数
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int g_nThresholdValue1 = 124,g_nThresholdValue2=175;
int g_nThresholdType = 0; // 阈值类型 标识
Mat g_srcImage,g_grayImage,g_dstImage,g_dstImage1,g_dstImage2;
int main()
{
// 显示欢迎和帮助文字
ShowHelpText( );
// 1、读入源图片
g_srcImage = imread("F:/C++/2. OPENCV 3.1.0/TEST/pellets.png");
if(!g_srcImage.data ) { printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n"); return false; }
imshow("原始图",g_srcImage);
// 2、存留一份原图的灰度图
cvtColor( g_srcImage, g_grayImage, COLOR_RGB2GRAY );
// 3、创建窗口并显示原始图
namedWindow( "【程序窗口】", WINDOW_AUTOSIZE );
// 4、创建滑动条来控制阈值
createTrackbar( "模式", "【程序窗口】", &g_nThresholdType,4, on_Threshold );
createTrackbar( "min阈值1","【程序窗口】", &g_nThresholdValue1,255, on_Threshold );
createTrackbar( "max阈值2","【程序窗口】", &g_nThresholdValue2,255, on_Threshold );
// 5、初始化自定义的阈值回调函数
on_Threshold( 0, 0 );
// 6、轮询等待用户按键，如果ESC键按下则退出程序
while(1)
{
int key;
key = waitKey( 20 );
if( (char)key == 27 ){ break; }
}
return 0;
}
2）统计该区间内所有像素点的数量：
int getWhitePixel(Mat& img)
{
int area=0;
for(int i=0 ; i<img.rows ; i++)
for(int j=0 ; j<img.cols ; j++)
if(img.at<uchar>(i,j)==255)
area ++;
return area;
// int area=0;
// int rowNumber = img.rows; //行数
// int colNumber = img.cols*img.channels(); //列数 x 通道数=每一行元素的个数
// //双重循环，遍历所有的像素值
// for (int i = 0; i < rowNumber; i++) //行循环
// {
// uchar *data = img.ptr<uchar>(i); //获取第i行的首地址
// for (int j = 0; j < colNumber; j++)
// if(data[j] ==255)
// area ++;
// }
// return area;
}
3）区间阈值达成函数：
void on_Threshold( int, void* )
{
//调用阈值函数
//CV_THRESH_BINARY = 0, /**< value = value > threshold ? max_value : 0 */
//CV_THRESH_BINARY_INV = 1, /**< value = value > threshold ? 0 : max_value */
//CV_THRESH_TRUNC = 2, /**< value = value > threshold ? threshold : value */
//CV_THRESH_TOZERO = 3, /**< value = value > threshold ? value : 0 */
//CV_THRESH_TOZERO_INV = 4, /**< value = value > threshold ? 0 : value */
threshold(g_grayImage,g_dstImage1,g_nThresholdValue1,255,g_nThresholdType); // CV_THRESH_BINARY
imshow( "threshold1", g_dstImage1 );
threshold(g_grayImage,g_dstImage2,g_nThresholdValue2,255,g_nThresholdType);
imshow( "threshold2", g_dstImage2 );
// 两图相减 g_dstImage1-g_dstImage2=g_dstImage
addWeighted(g_dstImage1,1.0,g_dstImage2,-1,0,g_dstImage);
// 显示区间像素点数
int area = getWhitePixel(g_dstImage);
printf("\n 区间面积area =%d pixel",area);
//更新效果图
imshow( "【程序窗口】", g_dstImage );
}
static void ShowHelpText()
{
//输出一些帮助信息
printf( "\n\t欢迎来到【基本阈值操作】示例程序~\n\n");
printf( "\n\t按键操作说明: \n\n"
"\t\t键盘按键【ESC】- 退出程序\n"
"\t\t滚动条模式0- 二进制阈值\n"
"\t\t滚动条模式1- 反二进制阈值\n"
"\t\t滚动条模式2- 截断阈值\n"
"\t\t滚动条模式3- 反阈值化为0\n"
"\t\t滚动条模式4- 阈值化为0\n" );
}
此处插入图片说明
Halcon的比较分析：
二、固定阈值threshold() 代码示例：
1）核心控制程序
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
Mat g_srcImage, g_grayImage,g_matAdaptive;
int g_nadaptiveMethod = ADAPTIVE_THRESH_MEAN_C;
int g_C = 5;
int g_blockSize=1;
int main()
{
// 1、读入源图片
g_srcImage = imread("F:/C++/2. OPENCV 3.1.0/TEST/pellets.png");
if(!g_srcImage.data ) { printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n"); return false; }
imshow("原始图",g_srcImage);
// 2、存留一份原图的灰度图
cvtColor( g_srcImage, g_grayImage, COLOR_RGB2GRAY );
// 3、创建窗口并显示原始图
namedWindow( "【自适应阈值分割】" , WINDOW_AUTOSIZE );
// 4、创建滑动条来控制阈值
createTrackbar( "阈值算法", "【自适应阈值分割】" , &g_nadaptiveMethod,1, on_Threshold );
createTrackbar( "领域尺寸","【自适应阈值分割】" , &g_blockSize,9, on_Threshold );
createTrackbar( "常数 C","【自适应阈值分割】" , &g_C,255, on_Threshold );
// 5、初始化自定义的阈值回调函数
on_Threshold( 0, 0 );
// 6、轮询等待用户按键，如果ESC键按下则退出程序
while(1)
{
int key;
key = waitKey( 20 );
if( (char)key == 27 ){ break; }
}
return 0;
}
void on_Threshold( int, void* )
{
// 自适应阈值分割
adaptiveThreshold(g_grayImage, g_matAdaptive, 255, g_nadaptiveMethod, THRESH_BINARY_INV, 2*g_blockSize+1, g_C);
// 更新效果图
imshow( "【自适应阈值分割】" , g_matAdaptive );
}
全部评论 (0)
还没有任何评论哟~