1.threshold函数
double cv::threshold(InputArray src, OutputArray dst,
double thresh, double maxval, int type )- src：待二值化的图像，图像只能是 CV_8U 和 CV_32F 两种数据类型。对于图像通道数目的要求与选择的二值化方法相关。
- dst：二值化后的图像，与输入图像具有相同的尺寸、数据类型和通道数。
- thresh：二值化的阈值。
- maxval：二值化过程的最大值，它只在 THRESH_BINARY 和 THRESH_BINARY_INV 两种二值化方法中才使用。
- type：选择图像二值化方法的标志。
二值化方法可选择的标志及含义
| 标志参数 | 作用 |
|---|---|
| THRESH_BINARY | 灰度值大于阈值的为最大值，其他值为 0 |
| THRESH_BINARY_INV | 灰度值大于阈值的为 0 ，其他值为最大值 |
| THRESH_TRUNC | 灰度值大于阈值的为阈值，其他值不变 |
| THRESH_TOZERO | 灰度值大于阈值的不变，其他值为 0 |
| THRESH_TOZERO_INV | 灰度值大于阈值的为 0 ，其他值不变 |
| THRESH_OTSU | 大津法自动寻求全局阈值 |
| THRESH_TRIANGLE | 三角形法自动寻求全局阈值 |
为了方便讲解，我们使用如下的一个图像，红色表示图像，黑色是图像的边界，蓝色是阈值
原图
1.1 THRESH_BINARY
- 大于阈值，取最大值。
- 小于等于阈值取0。
公式：
对于原图，如果我们进行二值化操作，那么蓝色的线以上的，都变成最大值，蓝色的线以下的线都变成0
1.2 THRESH_BINARY_INV
- 大于阈值，取0。
- 小于等于阈值，取最大值。
公式：
对于原图，如果我们进行反二值化操作，那么蓝色的线以下的，都变成最大值，蓝色的线以上的线都变成0
1.3 THRESH_TRUNC
- 大于阈值，取阈值
- 小于等于阈值，取原值
公式：
对于原图，如果我们进行截断操作
1.4 THRESH_TOZERO
- 大于阈值的，取原值。
- 小于等于阈值，取0
公式：
对于原图，如果我们进行操作
1.5 THRESH_TOZERO_INV
- 大于阈值的，取0。
- 小于等于阈值，取原值
公式：
对于原图，如果我们进行操作
1.6 代码示例
#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector> using namespace std;
using namespace cv; int main()
{ Mat img = imread("../pic/gril_1.jpg"); if (img.empty()) { cout << "请确认图像文件名称是否正确" << endl; return -1; } imshow("原画", img); Mat gray; double a , b ,c ,d ;cvtColor(img, gray, COLOR_BGR2GRAY); Mat img_B, img_B_V, gray_B,gray_B_V, gray_T, gray_T_V, gray_TRUNC ; //彩色图像二值化threshold(img, img_B, 125, 255, THRESH_BINARY); threshold(img, img_B_V, 125, 255, THRESH_BINARY_INV); imshow("img_B", img_B); imshow("img_B_V", img_B_V); //灰度图 BINARY 二值化threshold(gray, gray_B, 125, 255, THRESH_BINARY); threshold(gray, gray_B_V, 125, 255, THRESH_BINARY_INV); imshow("gray_B", gray_B); imshow("gray_B_V", gray_B_V); //灰度图像 TOZERO 变换threshold(gray, gray_T, 125, 255, THRESH_TOZERO); threshold(gray, gray_T_V, 125, 255, THRESH_TOZERO_INV); imshow("gray_T", gray_T); imshow("gray_T_V", gray_T_V); //灰度图像 TRUNC 变换threshold(gray, gray_TRUNC, 125, 255, THRESH_TRUNC); imshow("gray_TRUNC", gray_TRUNC); //灰度图像大津法和三角形法二值化// Mat img_Thr = imread("../pic/hand.jpg", IMREAD_GRAYSCALE); // Mat img_Thr = imread("../pic/hand.jpg"); // cvtColor(img_Thr, img_Thr, COLOR_BGR2GRAY); // Mat img_Thr_O, img_Thr_O_1,img_Thr_T,img_Thr_T_1; // a = threshold(img_Thr, img_Thr_O, 100, 255, THRESH_BINARY | THRESH_OTSU); // b = threshold(img_Thr, img_Thr_T, 125, 255, THRESH_BINARY | THRESH_TRIANGLE); // c = threshold(img_Thr, img_Thr_O_1, 150, 255, THRESH_BINARY | THRESH_OTSU); // d = threshold(img_Thr, img_Thr_T_1, 200, 255, THRESH_BINARY | THRESH_TRIANGLE); // cout << "333 a =" <<a <<" b = " << b << endl; // cout << "333 c =" <<c <<" d = " << d << endl; // imshow("img_Thr", img_Thr); // imshow("img_Thr_O", img_Thr_O); // imshow("img_Thr_T", img_Thr_T); // imshow("img_Thr_O_1", img_Thr_O_1); // imshow("img_Thr_T_1", img_Thr_T_1); // //灰度图像自适应二值化// Mat adaptive_mean, adaptive_gauss; // adaptiveThreshold(img_Thr, adaptive_mean, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 55, 0); // adaptiveThreshold(img_Thr, adaptive_gauss, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 55, 0); // imshow("adaptive_mean", adaptive_mean); // imshow("adaptive_gauss", adaptive_gauss); waitKey(0); return 0;
}结果：
