opencv：基于阈值的分割方法（固定阈值和自适应阈值）

1、基于阈值的分割

(1)固定阈值分割

将图像分为两个部分：黑和白两个区域

/*@author @还下着雨ZG
* @brief 固定阈值图像分割
* @param[in] imSrc, 待分割的图像
* @param[out] imSegment, 分割后的图像
* @param[in] threVal, 输入的阈值
* @return, 返回正整数表示图像分割成功，负整数表示失败
**/
int ImgSegmentByGlbThreVal(const cv::Mat& imSrc, cv::Mat& imSegment, int threVal)
{
	if(imSrc.empty()) return -1;
	if(threVal<0 || threVal>255) return -2;
	// 图像预处理
	cv::Mat imGray;
	if(imSrc.channels()==1) imGray = imSrc.clone();
	else if(imSrc.channels() == 3)
	{
		cv::cvtColor(imSrc, imGray, cv::COLOR_RGB2GRAY);
	}
	else
	{
		return -3;
	}
	cv::GaussianBlur(imGray, imGray, cv::Size(3,3), 0);
	//全局阈值法
	cv::threshold(imGray, imSegment, threVal);
	return 1;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

阈值分割函数threshold的介绍：

double cv::threshold(
	cv::Mat &imSrc, //输入图像，应该为单通道
	cv::Mat &imDst, //分割后的图像，大小和类型和imSrc相同
	double thresh, //表示阈值
	double maxval, //最大灰度值，一般设为255
	int type //阈值化类型，详细介绍如下所示
	};
1
2
3
4
5
6
7

参数type的介绍：type是一个枚举类型的数据

THRESH_BINARY = 0, // ( x > thresh ) ? 255 : 0
THRESH_BINARY_INV = 1, // ( x > thresh ) ? 0 : 255
THRESH_TRUNC = 2, // ( x > thresh ) ? thresh : x
THRESH_TOZERO = 3, // ( x < thresh ) ? 0 : x
THRESH_TOZERO = 4, // ( x < thresh ) ? x : 0
THRESH_MASK = 7,
THRESH_OTSU = 8, // 自动处理，图像自适应二值化，常用区间【0-255】

1
2
3
4
5
6
7
8

(2)自适应阈值分割

根据图像不同区域的亮度分布计算局部阈值，对于图像的不同区域能够自适应计算不同阈值

void cv::adaptiveThreshold(
	cv::Mat &imSrc, //输入的源图像
	cv::Mat &imDst, //输出图像
	double maxval, //预设满足条件的最大值
	int adaptMethod, //指定自适应阈值算法类型（ADAPTIVE_MEAN_C或ADAPTIVE_THRESH_GAUSSIAN_C两种）
	int threshType, //阈值类型（THRESH_BINARY或THRESH_BINARY_INV）
	int blockSize,  //领域块的大小，用于计算区域阈值（3，5，7 ...）
	double C, //与算法有关的参数，是一个从均值或加权均值提取的常数，可为负
	);
1
2
3
4
5
6
7
8
9

使用adaptiveThresh：

/*@author @还下着雨ZG
* @brief 自适应阈值图像分割
* @param[in] imSrc, 待分割的图像
* @param[out] imSegment, 分割后的图像
* @return, 返回正整数表示图像分割成功，负整数表示失败
**/
int ImgSegmentByAdpThre(const cv::Mat& imSrc, cv::Mat& imSegment)
{
    if (imSrc.empty()) return -1;
    cv::Mat imGray;
    if (imSrc.channels() == 1)
    {
        cv::copyTo(imSrc, imGray, cv::Mat());
    }
    else if (imSrc.channels() == 3)
    {
        cv::cvtColor(imSrc, imGray, cv::COLOR_RGB2GRAY);
    }
    else
    {
        return -2;
    }
    cv::GaussianBlur(imGray, imGray, cv::Size(3, 3), 0);
    int blockSize = 3;
    int constValue = 0;
    cv::adaptiveThreshold(imGray, imSegment, 255, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, blockSize,
        constValue);
    return 1;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

在实际使用时，大部分是先通过算子寻找边缘，然后和区域生长融合来分割图像