OpenCV圖像二值化提供了兩種函數(shù)

threshold

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

• src：待二值化的圖像，圖像只能是CV_8U和CV_32F兩種數(shù)據(jù)類型。對于圖像通道數(shù)目的要求和選擇的二值化方法相關(guān)。
• dst：二值化后的圖像，與輸入圖像具有相同的尺寸、數(shù)據(jù)類型和通道數(shù)。
• thresh：二值化的閾值。
• maxval：二值化過程的最大值，此函數(shù)只在THRESH_BINARY和THRESH_BINARY_INV兩種二值化方法中才使用，但是在使用其他方法是也需要輸入。
• type：選擇圖像二值化方法的標志。

?二值化方法標志

除了最后兩個? 其他都比較好理解 就是作用的字面意思

最后兩種標志，這兩種標志是獲取閾值的方法，并不是閾值的比較方法的標志，這兩個標志可以和前面5種標志一起使用，例如“THRESH_BINARY| THRESH_OTSU”。前面5種標志在調(diào)用函數(shù)時都需要人為的設(shè)置閾值，如果對圖像不了解設(shè)置的閾值不合理，會對處理后的效果造成嚴重的影響，這兩個標志分別表示利用**大津法（OTSU）和三角形法（TRIANGLE）**結(jié)合圖像灰度值分布特性獲取二值化的閾值，并將閾值以函數(shù)返回值的形式給出。因此如果函數(shù)最后一個參數(shù)設(shè)置了這兩個標志中的任何一個，那么函數(shù)第三個參數(shù)thresh將由系統(tǒng)自動給出，但是在調(diào)用函數(shù)的時候仍然不能缺省，只是程序不會使用這個數(shù)值。需要注意的是，目前為止OpenCV 4中針對這兩個標志只支持輸入CV_8UC1類型的圖像。

threshold()函數(shù)全局只使用一個閾值，在實際情況中由于光照不均勻以及陰影的存在，全局只有一個閾值會使得在陰影處的白色區(qū)域也會被函數(shù)二值化成黑色，因此adaptiveThreshold()函數(shù)提供了兩種局部自適應(yīng)閾值的二值化方法

adaptiveThreshold

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

• src：待二值化的圖像，圖像只能是CV_8UC1數(shù)據(jù)類型。
• dst：二值化后的圖像，與輸入圖像具有相同的尺寸、數(shù)據(jù)類型。
• maxValue：二值化的最大值。
• adaptiveMethod：自制應(yīng)確定閾值的方法，分為均值法ADAPTIVE_THRESH_MEAN_C和高斯法ADAPTIVE_THRESH_GAUSSIAN_C這兩種。
• thresholdType：選擇圖像二值化方法的標志，只能是THRESH_BINARY和THRESH_BINARY_INV。
• blockSize：自適應(yīng)確定閾值的像素鄰域大小，一般為3，5，7的奇數(shù)。
• C：從平均值或者加權(quán)平均值中減去的常數(shù)，可以為正，也可以為負。

該函數(shù)將灰度圖像轉(zhuǎn)換成二值圖像，通過均值法和高斯法自適應(yīng)的計算blockSize* blockSize鄰域內(nèi)的閾值，之后進行二值化。

示例代碼：

// // Created by smallflyfly on 2021/6/9. //#include "opencv2/opencv.hpp" #include "opencv2/highgui.hpp"#include <iostream>using namespace cv; using namespace std;int main() {cout << "OpenCV Version: " << CV_VERSION << endl;Mat im = imread("test.jpg");cv::resize(im, im, Size(0, 0), 0.5, 0.5);Mat gray;cv::cvtColor(im, gray, CV_BGR2GRAY);Mat im1;cv::threshold(im, im1, 125, 255, cv::THRESH_BINARY);imshow("im1", im1);Mat im2;cv::threshold(im, im2, 125, 255, cv::THRESH_BINARY_INV);imshow("im2", im2);Mat gray1;cv::threshold(gray, gray1, 125, 255, cv::THRESH_TOZERO);imshow("gray1", gray1);Mat gray2;cv::threshold(gray, gray2, 125, 255, cv::THRESH_BINARY);imshow("gray2", gray2);Mat gray3;cv::threshold(gray, gray3, 125, 255, cv::THRESH_TRUNC);imshow("gray3", gray3);Mat gray4;cv::threshold(gray, gray4, 125, 255, cv::THRESH_BINARY|cv::THRESH_OTSU);imshow("gray4", gray4);Mat gray5;cv::threshold(gray, gray5, 100, 255, cv::THRESH_BINARY|cv::THRESH_TRIANGLE);imshow("gray5", gray5);// 自適應(yīng)二值化Mat adMean, adGauss;adaptiveThreshold(gray, adMean, 255, cv::ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 25, 0);imshow("adMean", adMean);adaptiveThreshold(gray, adGauss, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 75, 0);imshow("adGauss", adGauss);waitKey(0);destroyAllWindows();return 0;}

?

總結(jié)

以上是生活随笔為你收集整理的OpenCV——图像二值化的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。