什么是閾值？

最簡(jiǎn)單的圖像分割的方法。

應(yīng)用舉例：從一副圖像中利用閾值分割出我們需要的物體部分（當(dāng)然這里的物體可以是一部分或者整體）。這樣的圖像分割方法是基于圖像中物體與背景之間的灰度差異，而且此分割屬于像素級(jí)的分割。

為了從一副圖像中提取出我們需要的部分，應(yīng)該用圖像中的每一個(gè)像素點(diǎn)的灰度值與選取的閾值進(jìn)行比較，并作出相應(yīng)的判斷。（注意：閾值的選取依賴(lài)于具體的問(wèn)題。即：物體在不同的圖像中有可能會(huì)有不同的灰度值。

一旦找到了需要分割的物體的像素點(diǎn)，我們可以對(duì)這些像素點(diǎn)設(shè)定一些特定的值來(lái)表示。（例如：可以將該物體的像素點(diǎn)的灰度值設(shè)定為：‘0’（黑色）,其他的像素點(diǎn)的灰度值為：‘255’（白色）；當(dāng)然像素點(diǎn)的灰度值可以任意，但最好設(shè)定的兩種顏色對(duì)比度較強(qiáng)，方便觀察結(jié)果）。

?

閾值化的類(lèi)型

二進(jìn)制閾值化 0: THRESH_BINARY ? ? ? ? -當(dāng)前點(diǎn)值大于閾值時(shí)，取Maxval，否則設(shè)置為0

• 該閾值化類(lèi)型如下式所示:

• 解釋：在運(yùn)用該閾值類(lèi)型的時(shí)候，先要選定一個(gè)特定的閾值量，比如：125，這樣，新的閾值產(chǎn)生規(guī)則可以解釋為大于125的像素點(diǎn)的灰度值設(shè)定為最大值(如8位灰度值最大為255)，灰度值小于125的像素點(diǎn)的灰度值設(shè)定為0。

反二進(jìn)制閾值化1: THRESH_BINARY_INV ? ? -當(dāng)前點(diǎn)值大于閾值時(shí)，設(shè)置為0，否則設(shè)置為Maxval

• 該閾值類(lèi)型如下式所示：

• 解釋：該閾值化與二進(jìn)制閾值化相似，先選定一個(gè)特定的灰度值作為閾值，不過(guò)最后的設(shè)定值相反。（在8位灰度圖中，例如大于閾值的設(shè)定為0，而小于該閾值的設(shè)定為255）。

?

截?cái)嚅撝祷?2: THRESH_TRUNC ? ? ? ? ?-當(dāng)前點(diǎn)值大于閾值時(shí)，設(shè)置為閾值，否則不改變

• 該閾值化類(lèi)型如下式所示：

• 解釋：同樣首先需要選定一個(gè)閾值，圖像中大于該閾值的像素點(diǎn)被設(shè)定為該閾值，小于該閾值的保持不變。

• （例如：閾值選取為125，那小于125的閾值不改變，大于125的灰度值（230）的像素點(diǎn)就設(shè)定為該閾值）。

閾值化為0?3: THRESH_TOZERO ? ? ? ? -當(dāng)前點(diǎn)值大于閾值時(shí)，不改變，否則設(shè)置為0

• 該閾值類(lèi)型如下式所示：

• 解釋：先選定一個(gè)閾值，然后對(duì)圖像做如下處理：像素點(diǎn)的灰度值大于該閾值的不進(jìn)行任何改變；?像素點(diǎn)的灰度值小于該閾值的，其灰度值全部變?yōu)?。

反閾值化為0?4: THRESH_TOZERO_INV ? ? -當(dāng)前點(diǎn)值大于閾值時(shí)，設(shè)置為0，否則不改變

• 該閾值類(lèi)型如下式所示：

• 解釋：原理類(lèi)似于0閾值，但是在對(duì)圖像做處理的時(shí)候相反，即：像素點(diǎn)的灰度值小于該閾值的不進(jìn)行任何改變，而大于該閾值的部分，其灰度值全部變?yōu)?。

?

還有其他的常用：CV_THRESH_OTSU?大津閾值和自適應(yīng)閾值adaptiveThreshold

大津法OTSU（最大類(lèi)間方差法）

Otsu分割方法求取閾值是求得使類(lèi)間方差最大的閾值，Otsu方法加權(quán)地使用了兩類(lèi)的灰度均值信息和概率密度信息，考慮了兩類(lèi)的分布，在實(shí)際的應(yīng)用中取得了很好的效果

在實(shí)際運(yùn)用過(guò)程中，大津法表現(xiàn)得最穩(wěn)定，且無(wú)需參數(shù)，對(duì)于現(xiàn)實(shí)圖像保持了最好的均勻性和形狀特性，而且被商業(yè)軟件GIMP 和學(xué)術(shù)軟件Matlab采納為自動(dòng)閾值法。

大津算法可以從圖像直方圖上有一個(gè)更為直觀的理解：大津閾值大致上是直方圖兩個(gè)峰值之間低谷的值。

Otsu 方法也不是萬(wàn)能的。當(dāng)目標(biāo)與背景的大小比例懸殊時(shí)，類(lèi)間方差準(zhǔn)則函數(shù)可能呈現(xiàn)雙峰或多峰，此時(shí)效果不好。這時(shí)就要考慮其他的辦法了

示例代碼C++：

/************************************************************************/ /* OpenCV閾值分割函數(shù)：threshold() 函數(shù)原型： double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type) 參數(shù)含義： InputArray src -原圖像 OutputArray dst -輸出圖像 double thresh -閾值大小 double maxval -最大值 int type -閾值模式 閾值模式有以下幾種類(lèi)型 0: THRESH_BINARY -當(dāng)前點(diǎn)值大于閾值時(shí)，取Maxval，否則設(shè)置為0 1: THRESH_BINARY_INV -當(dāng)前點(diǎn)值大于閾值時(shí)，設(shè)置為0，否則設(shè)置為Maxval 2: THRESH_TRUNC -當(dāng)前點(diǎn)值大于閾值時(shí)，設(shè)置為閾值，否則不改變 3: THRESH_TOZERO -當(dāng)前點(diǎn)值大于閾值時(shí)，不改變，否則設(shè)置為0 4: THRESH_TOZERO_INV -當(dāng)前點(diǎn)值大于閾值時(shí)，設(shè)置為0，否則不改變 // CV_THRESH_MASK =7 CV_THRESH_OTSU =8 */ /************************************************************************/#include <opencv2\imgproc\imgproc.hpp> #include <opencv2\highgui\highgui.hpp> #include <iostream>using namespace cv; using namespace std;#define WINDOW_NAME "閾值處理"//定義滑動(dòng)條初始值 int g_nThresholdValue=100; //閾值初始值 int g_nThresholdType=0; //閾值模式初始值Mat g_srcImage,g_grayImage,g_dstImage;void on_Threshold(int ,void*);//回調(diào)函數(shù)int main() {g_srcImage=imread("dog.jpg");//讀入圖片if(!g_srcImage.data){cout<<"讀入錯(cuò)誤"<<endl;return -1;}//轉(zhuǎn)換為灰度圖cvtColor(g_srcImage,g_grayImage,COLOR_RGB2GRAY);//更多轉(zhuǎn)換方式參見(jiàn)官方文檔//顯示原圖imshow("原圖",g_srcImage);//大津閾值threshold(g_grayImage,g_dstImage,0,255,CV_THRESH_OTSU); //自適應(yīng)閾值//adaptiveThreshold(g_grayImage,g_dstImage,255,0,0,7,9);imshow(WINDOW_NAME,g_dstImage); waitKey();//創(chuàng)建滑動(dòng)條namedWindow(WINDOW_NAME);createTrackbar("模式",WINDOW_NAME,&g_nThresholdType,4,on_Threshold);createTrackbar("閾值",WINDOW_NAME,&g_nThresholdValue,255,on_Threshold);//使用回調(diào)函數(shù)顯示圖像on_Threshold(0,0);waitKey();return 0; }void on_Threshold(int,void*) {//進(jìn)行閾值分割threshold(g_grayImage,g_dstImage,g_nThresholdValue,255,g_nThresholdType);//顯示結(jié)果imshow(WINDOW_NAME,g_dstImage); }

?

效果展示：

大津閾值：

?

其他基本類(lèi)型：

?

最大熵閾值分割

二維最大熵閾值分割原理

OpenCV - 區(qū)域生長(zhǎng)算法

?

文獻(xiàn)參考：

1.https://blog.csdn.net/xw20084898/article/details/22101323

2.http://www.cnblogs.com/Tang-tangt/p/9420405.html

?

總結(jié)

以上是生活随笔為你收集整理的OpenCV阈值分割的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

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