OpenCV图像处理——阈值处理/二值化（python实现和c++实现）_opencv 二值化 c++

作者：盐析白兔 | 2024-02-12 09:47:09

踩

opencv 二值化 c++

OpenCV图像处理——阈值处理/二值化

5.1 简介

阈值处理是指剔除图像内像素值高于阈值或者低于阈值得像素点。例如，设定阈值为127，将图像内所有像素值大于127的像素点的值设为255;将图像内所有像素值小于127的像素点的值设为0。

图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

5.2 学习目标

了解阈值分割基本概念
理解最大类间方差法（大津法）、自适应阈值分割的原理
掌握OpenCV框架下上述阈值分割算法API的使用

5.3 内容介绍

1、阈值处理

2、最大类间方差法的原理

3、自适应阈值处理

4、OpenCV代码实践

5.4 算法理论介绍

5.4.1 阈值处理

threshold函数

OpenCV使用threshold函数实现阈值化处理。

double cv::threshold ( InputArray src,
                       OutputArray dst,
                       double thresh,
                       double maxval,
                       int type )  1
2
3
4

参数：

src — 原图像，8或32位浮点类型的Mat。
dst — 输出图像，与原始图像具有相同大小和类型。
thresh — 要设定的阈值
maxval — 当type为THRESH_BINARY或者THRESH_BINARY_INV时，设定的最大值
type — 阈值分割的类型
- THRESH_BINARY；二值化阈值处理：灰度值大于阈值的点，将其灰度值设定为最大值，灰度值小于或等于阈值的点，将其灰度值设定为0
- THRESH_BINARY_INV；反二值化阈值处理：灰度值大于阈值的点，将其灰度值设定为0，灰度值小于或等于阈值的点，将其灰度值设定为最大值
- THRESH_TRUNC；截断阈值化处理：灰度值大于阈值的点，将其灰度值设定为阈值，灰度值小于或等于阈值的点，其灰度值保持不变
- THRESH_TOZERO；低阈值零处理：灰度值大于阈值的点，其灰度值保持不变，灰度值小于或等于阈值的点，将其灰度值设定为0
- THRESH_TOZERO_INV；高阈值零处理：灰度值大于阈值的点，将其灰度值设定为0，灰度值小于或等于阈值的点，其灰度值保持不变

如下表：

类型	定义
THRESH_BINARY	$\begin{array}{rcl} m a x v a l, & s r c (x, y) > t h r e s h \\ 0, & o t h e r \end{array}$
THRESH_BINARY_INV	$\begin{array}{rcl} 0, & s r c (x, y) > t h r e s h \\ m a x v a l, & o t h e r \end{array}$
THRESH_TRUNC	$\begin{array}{rcl} t h r e s h, & s r c (x, y) > t h r e s h \\ s r c (x, y), & o t h e r \end{array}$
THRESH_TOZERO_INV	$\begin{array}{rcl} 0, & s r c (x, y) > t h r e s h \\ s r c (x, y), & o t h e r \end{array}$
THRESH_TOZERO

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/blog/article/detail/77506

OpenCV图像处理——阈值处理/二值化（python实现和c++实现）_opencv 二值化 c++