美文网首页
三 (3.2 imgproc) 图像阈值操作

三 (3.2 imgproc) 图像阈值操作

作者: 交大小丑 | 来源:发表于2018-11-24 18:08 被阅读0次

    阈值操作原理:

    什么是阈值?

    • 最简单的图像分割的方法。
    • 应用举例:从一副图像中利用阈值分割出我们需要的物体部分(当然这里的物体可以是一部分或者整体)。这样的图像分割方法是基于图像中物体与背景之间的灰度差异,而且此分割属于像素级的分割。
    • 为了从一副图像中提取出我们需要的部分,应该用图像中的每一个像素点的灰度值与选取的阈值进行比较,并作出相应的判断。(注意:阈值的选取依赖于具体的问题。即:物体在不同的图像中有可能会有不同的灰度值。
    • 一旦找到了需要分割的物体的像素点,我们可以对这些像素点设定一些特定的值来表示。(例如:可以将该物体的像素点的灰度值设定为:‘0’(黑色),其他的像素点的灰度值为:‘255’(白色);当然像素点的灰度值可以任意,但最好设定的两种颜色对比度较强,方便观察结果)。


      image.png

    阈值操作类型:

    OpenCV中提供了阈值(threshold)函数: threshold这个函数有5种阈值化类型,在接下来的章节中将会具体介绍。

    • 二进制阈值化
    • 反二进制阈值化
    • 截断阈值化
    • 阈值化为0
    • 反阈值化为0
    阈值类型1: 二进制阈值化
    • 该阈值化类型如下式所示:

      \texttt{dst} (x,y) = \fork{\texttt{maxVal}}{if $\texttt{src}(x,y) > \texttt{thresh}$}{0}{otherwise}
    • 解释:在运用该阈值类型的时候,先要选定一个特定的阈值量,比如:125,这样,新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值(如8位灰度值最大为255),灰度值小于125的像素点的灰度值设定为0。

      Threshold Binary
    阈值类型2: 反二进制阈值化
    • 该阈值类型如下式所示:

      \texttt{dst} (x,y) = \fork{0}{if $\texttt{src}(x,y) > \texttt{thresh}$}{\texttt{maxVal}}{otherwise}
    • 解释:该阈值化与二进制阈值化相似,先选定一个特定的灰度值作为阈值,不过最后的设定值相反。(在8位灰度图中,例如大于阈值的设定为0,而小于该阈值的设定为255)。

      Threshold Binary Inverted
    阈值类型3: 截断阈值化
    • 该阈值化类型如下式所示:

      \texttt{dst} (x,y) = \fork{\texttt{threshold}}{if $\texttt{src}(x,y) > \texttt{thresh}$}{\texttt{src}(x,y)}{otherwise}
    • 解释:同样首先需要选定一个阈值,图像中大于该阈值的像素点被设定为该阈值,小于该阈值的保持不变。(例如:阈值选取为125,那小于125的阈值不改变,大于125的灰度值(230)的像素点就设定为该阈值)。

      Threshold Truncate
    阈值类型4: 阈值化为0
    • 该阈值类型如下式所示:

      \texttt{dst} (x,y) = \fork{\texttt{src}(x,y)}{if $\texttt{src}(x,y) > \texttt{thresh}$}{0}{otherwise}
    • 解释:先选定一个阈值,然后对图像做如下处理:1 像素点的灰度值大于该阈值的不进行任何改变;2 像素点的灰度值小于该阈值的,其灰度值全部变为0。

      Threshold Zero
    阈值类型5: 反阈值化为0
    • 该阈值类型如下式所示:

      \texttt{dst} (x,y) = \fork{0}{if $\texttt{src}(x,y) > \texttt{thresh}$}{\texttt{src}(x,y)}{otherwise}
    • 解释:原理类似于0阈值,但是在对图像做处理的时候相反,即:像素点的灰度值小于该阈值的不进行任何改变,而大于该阈值的部分,其灰度值全部变为0。

      Threshold Zero Inverted

    代码实例:

    #include <opencv2/opencv.hpp>
    #include <iostream>
    #include <math.h>
    
    using namespace cv;
    Mat src, gray_src, dst;
    int threshold_value = 127;
    int threshold_max = 255;
    int type_value = 2;
    int type_max = 4;
    const char* output_title = "binary image";
    void Threshold_Demo(int, void*);
    int main(int argc, char** argv) {
        src = imread("D:/vcprojects/images/test.png");
        if (!src.data) {
            printf("could not load image...\n");
            return -1;
        }
        namedWindow("input image", CV_WINDOW_AUTOSIZE);
        namedWindow(output_title, CV_WINDOW_AUTOSIZE);
        imshow("input image", src);
        
        createTrackbar("Threshold Value:", output_title, &threshold_value, threshold_max, Threshold_Demo);
        createTrackbar("Type Value:", output_title, &type_value, type_max, Threshold_Demo);
        Threshold_Demo(0, 0);
    
        waitKey(0);
        return 0;
    }
    
    void Threshold_Demo(int, void*) {
        cvtColor(src, gray_src, CV_BGR2GRAY);
        threshold(src, dst, 0, 255, THRESH_TRIANGLE | type_value);
        imshow(output_title, dst);
    }
    

    相关文章

      网友评论

          本文标题:三 (3.2 imgproc) 图像阈值操作

          本文链接:https://www.haomeiwen.com/subject/lmdjqqtx.html