opencv c++ 二值图像、阈值计算方法、全局阈值、自适应阈值

news2024/9/30 5:38:20

1、图像定义：

彩色图像：三通道，像素值一般为0~255；

灰度图像：单通道，像素值一般为0~255；

二值图像：单通道，像素值一般为0（黑色）、255（白色）；

彩色图像颜色范围查询表：

2、图像阈值分割方法

设原图的像素值分布为如下红色区域，蓝色的线表示像素值阈值T。

2.1、二值分割

a）大于阈值T的像素点置满保留，其余置0。b）小于阈值T的像素点置满保留，其余去除。

2.2、其余阈值图像分割方法

a）大于阈值T的像素点值置为阈值。 b）小于阈值T的像素点值置0。

c）大于阈值T的像素点值置0。

API

threshold(灰度图, 输出图像, 阈值, 图像最大像素值, 阈值分割方法);

阈值分割方法：

2.3、代码：

void QuickDemo::zero_one_img(Mat& image)
{
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	namedWindow("gray", WINDOW_FREERATIO);
	imshow("gray", gray);
	Mat binary;
	threshold(gray, binary, 127, 255, THRESH_BINARY);
	namedWindow("THRESH_BINARY", WINDOW_FREERATIO);
	imshow("THRESH_BINARY", binary);
	threshold(gray, binary, 127, 255, THRESH_BINARY_INV);
	namedWindow("THRESH_BINARY_INV", WINDOW_FREERATIO);
	imshow("THRESH_BINARY_INV", binary);
	threshold(gray, binary, 127, 255, THRESH_TRUNC);
	namedWindow("THRESH_TRUNC", WINDOW_FREERATIO);
	imshow("THRESH_TRUNC", binary);
	threshold(gray, binary, 127, 255, THRESH_TOZERO);
	namedWindow("THRESH_TOZERO", WINDOW_FREERATIO);
	imshow("THRESH_TOZERO", binary);
	threshold(gray, binary, 127, 255, THRESH_TOZERO_INV);
	namedWindow("THRESH_TOZERO_INV", WINDOW_FREERATIO);
	imshow("THRESH_TOZERO_INV", binary);
}

3、阈值计算方法

在图像阈值分割时，需要选取一个合适的阈值，基本分为全局阈值、自适应阈值两大类。

3.1 全局阈值法

均值法：统计图像像素值的均值作为阈值。

void zero_one_img(Mat& image)
{
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	Scalar m = mean(gray);
	//printf("means : %2f\n", m[0]);

	Mat binary;
	threshold(gray, binary, m[0], 255, THRESH_BINARY);
	namedWindow("THRESH_BINARY", WINDOW_FREERATIO);
	imshow("THRESH_BINARY", binary);
}

OTSU法（基于最小类内方差求阈值的方法）：基于像素直方图的统计结果，统计各像素点值的方差值，选类内方差最小的像素点值作为阈值。

如下对像素点值为2的像素点求类内方差的过程：

a）分别计算该像素点值左边、右边的比重，均值，方差。

b）计算类内方差：

void QuickDemo::zero_one_img(Mat& image)
{
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	namedWindow("gray", WINDOW_FREERATIO);
	imshow("gray", gray);
	
	Mat binary;
	threshold(gray, binary, 0, 255, THRESH_BINARY|THRESH_OTSU);
	namedWindow("THRESH_OTSU", WINDOW_FREERATIO);
	imshow("THRESH_OTSU", binary);
}

Triangle法：获取如下直方图后，从最高点到最低点作一线段，以α和β为45°为前提，寻找右图上使得d最大的线段，将此时α角点的像素点值作为阈值。

注：在常规操作时，为了使得像素点值不过于靠近最多的像素点值，常常将其向右偏移20%的总像素距离。

void QuickDemo::zero_one_img(Mat& image)
{
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	namedWindow("gray", WINDOW_FREERATIO);
	imshow("gray", gray);
	
	Mat binary;
	threshold(gray, binary, 0, 255, THRESH_BINARY|THRESH_TRIANGLE);
	namedWindow("THRESH_OTSU", WINDOW_FREERATIO);
	imshow("THRESH_OTSU", binary);
}

适用情况总结：OTSU法适用于有多峰直方图的图像，三角法使用有单峰直方图的图像。

3.2、自适应阈值

采用卷积的方式，对图像逐个窗口的中心像素点值进行阈值处理，此时的每个窗口的阈值方法有窗口均值阈值法、高斯分布阈值法。

API：

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

maxValue ——赋予给满足条件的像素的非零值。
AdaptiveMethod ——要使用的自适应阈值算法，如下：

thresholdType ——阈值分割方法，这里只能使用THRESH_BINARY等方法，不能使用OTSU法。
blockSize——用于计算像素阈值的像素邻域的大小：3、5、7 等。
C ——计算后均值被减去的值，如 threshvalure - C，C常为正数。

代码：

void QuickDemo::zero_one_img(Mat& image)
{
	Mat gray;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	namedWindow("gray", WINDOW_FREERATIO);
	imshow("gray", gray);
	
	Mat binary;
	adaptiveThreshold(gray, binary, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY,3,0);
	namedWindow("adaptiveThreshold", WINDOW_FREERATIO);
	imshow("adaptiveThreshold", binary);
}