OpenCV 图像处理————图像二值化_opencv 二值化

引言

在图像处理中，二值化是一种常见的操作，它将图像中的像素值转换为 0 或 1，从而将图像分为黑白两部分。二值化在许多应用中非常有用，例如图像分割、目标检测、字符识别等。OpenCV 是一个功能强大的图像处理库，提供了多种二值化方法，本文将介绍其中的一些常用方法。

OpenCV 中的二值化方法

1.阈值二值化：通过设定一个阈值，将图像中的像素值与阈值进行比较，大于阈值的像素值设置为 1，小于阈值的像素值设置为 0。

2.自适应二值化：根据图像的局部特征自动确定阈值，从而适应不同亮度和对比度的图像。

3.基于直方图二值化：Otsu法和三角形法基于直方图的二值化方法，它可以自动选择一个最优的阈值，使得类间方差最大。

OpenCV 中提供了多种图像二值化的函数，以下是两种常用的函数的详细介绍：

1. threshold() 函数：

   • 函数原型：threshold(src, thresh, maxval, type)
   • 参数说明：
     • src：输入图像，可以是灰度图像或彩色图像。
     • thresh：阈值。
     • maxval：最大值，通常为 255。
     • type：二值化操作的类型，常用的有以下几种：
       • THRESH_BINARY：大于阈值的像素值设置为最大值，小于阈值的像素值设置为 0。
       • THRESH_BINARY_INV：大于阈值的像素值设置为 0，小于阈值的像素值设置为最大值。
       • THRESH_TRUNC：大于阈值的像素值设置为阈值，小于阈值的像素值保持不变。
       • THRESH_TOZERO：大于阈值的像素值保持不变，小于阈值的像素值设置为 0。
       • THRESH_TOZERO_INV：大于阈值的像素值设置为 0，小于阈值的像素值保持不变。
   • 函数返回值：
     • retval：返回的阈值。
     • dst：二值化后的图像。

2. adaptiveThreshold() 函数：

   • 函数原型：adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
   • 参数说明：
     • src：输入图像。
     • maxValue：最大值，通常为 255。
     • adaptiveMethod：自适应二值化的方法，常用的有以下两种：
       • cv2.ADAPTIVE_THRESH_MEAN_C：使用邻域的平均值作为阈值。
       • cv2.ADAPTIVE_THRESH_GAUSSIAN_C：使用邻域的高斯加权平均值作为阈值。
     • thresholdType：二值化操作的类型，与 cv2.threshold() 函数相同。
     • blockSize：邻域的大小，通常为奇数。
     • C：常数，用于调整阈值。
   • 函数返回值：
     • dst：二值化后的图像。

这两种函数的主要区别在于二值化的方式不同。threshold() 函数是基于全局阈值的二值化方法，需要手动指定阈值。而 adaptiveThreshold() 函数是基于局部阈值的二值化方法，它根据图像的局部特征自动确定阈值，适用于光照不均匀或有噪声的图像。

在实际应用中，选择合适的二值化函数取决于图像的特点和需求。如果图像的光照比较均匀，可以使用 threshold() 函数；如果图像的光照不均匀或有噪声，可用 adaptiveThreshold() 函数。

下面是示例代码：

 
    Mat image = imread("D:\\pycharmyunxing\\venv\\image1.png");
    if (image.empty())
    {
        cout << "wenjianwei1.empty" << endl;
        return -1;
    }
    imshow("yuantu", image);
 
    Mat grayimage;
    cvtColor(image, grayimage, COLOR_BGR2GRAY);
    Mat imageb, imagebv, grayb, graybv, grayt, graytv, graytrunc;
 
    // 彩色图像二值化
    threshold(image, imageb, 125, 255, THRESH_BINARY);
    threshold(image, imagebv, 125, 255, THRESH_BINARY_INV);
    namedWindow("image_b", WINDOW_AUTOSIZE);
    imshow("image_b", imageb);
    namedWindow("image_bv", WINDOW_AUTOSIZE);
    imshow("image_bv", imagebv);
 
    //  灰度图像二值化
    threshold(grayimage, grayb, 125, 255, THRESH_BINARY);
    threshold(grayimage, graybv, 125, 255, THRESH_BINARY_INV);
    namedWindow("gray_b", WINDOW_AUTOSIZE);
    imshow("gray_b", grayb);
    namedWindow("gray_bv", WINDOW_AUTOSIZE);
    imshow("gray_bv", graybv);
 
    //  灰度图像tozero变换
    threshold(grayimage, grayt, 125, 255, THRESH_TOZERO);
    threshold(grayimage, graytv, 125, 255, THRESH_TOZERO_INV);
    namedWindow("gray_t", WINDOW_AUTOSIZE);
    imshow("gray_t", grayt);
    namedWindow("gray_tv", WINDOW_AUTOSIZE);
    imshow("gray_tv", graytv);
 
    //  灰度图像trunc变换
    threshold(grayimage, graytrunc, 125, 255, THRESH_TRUNC);
    namedWindow("gray_trunc", WINDOW_AUTOSIZE);
    imshow("gray_trunc", graytrunc);

示例代码中是对于全局阈值处理中五种二值化操作的类型

1. THRESH_BINARY:

   • 这种方式是最简单的阈值处理方式。
   • 对于大于阈值的像素,将其设置为最大值(通常是255)。
   • 对于小于等于阈值的像素,将其设置为0。
   • 这种方式可以很好地分离前景和背景,得到一个二值化的图像。

2. THRESH_BINARY_INV:

   • 这种方式与THRESH_BINARY正好相反。
   • 对于大于阈值的像素,将其设置为0。
   • 对于小于等于阈值的像素,将其设置为最大值(通常是255)。
   • 这种方式也可以得到一个二值化的图像,但前景和背景刚好相反。

3. THRESH_TRUNC:

   • 这种方式与前两种不同,它不会将像素值设置为0或最大值。
   • 对于大于阈值的像素,将其设置为阈值。
   • 对于小于等于阈值的像素,保持其原有的值不变。
   • 这种方式可以用于截断过亮的区域,将其限制在阈值以下。

4. THRESH_TOZERO:

   • 这种方式也不会将像素值设置为0或最大值。
   • 对于大于阈值的像素,保持其原有的值不变。
   • 对于小于等于阈值的像素,将其设置为0。
   • 这种方式可以用于分离前景和背景,并保留前景的原始灰度信息。

5. THRESH_TOZERO_INV:

   • 这种方式与THRESH_TOZERO正好相反。
   • 对于大于阈值的像素,将其设置为0。
   • 对于小于等于阈值的像素,保持其原有的值不变。
   • 这种方式可以用于分离背景,并保留小于等于阈值的像素的原始灰度信息。

下面是对于时对于Otsu法和三角形法两种方法的示例代码。

见示例代码：

// Otsu法和三角形法
    Mat image_Thr = imread("D:\\pycharmyunxing\\venv\\8.jpg", IMREAD_GRAYSCALE);
    Mat image_O, image_T;
    threshold(image_Thr, image_O, 100, 255, THRESH_BINARY | THRESH_OTSU);
    threshold(image_Thr, image_T, 125, 255, THRESH_BINARY | THRESH_TRIANGLE);
    imshow("原图", image_Thr);
    imshow("Otsu", image_O);
    imshow("三角形法", image_T);

 这里给出效果图

然后是对于adaptiveThreshold（）使用的示例代码展示的是两种自适应确定阈值的方法：

Mat adap_mean, adap_gauss;
    adaptiveThreshold(image_Thr, adap_mean, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 55, 0);
    adaptiveThreshold(image_Thr, adap_gauss, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 55, 0);
    imshow("中值", adap_mean);
    imshow("高斯", adap_gauss);

效果图：