【opencv学习之二十二】Threshold阈值分割进阶adaptiveThreshold

本文链接：https://blog.youkuaiyun.com/abcvincent/article/details/78822191

本文探讨了OpenCV中的自适应阈值分割技术，包括基于邻域均值和高斯权重的方法，并通过实验对比了不同图像处理技术如中值滤波和高斯滤波对分割效果的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

普通的Threshold分割只是简单是或否的进行定值分割，很多时候需要分割的图像存在梯度效果，一刀切的效果很不理想；而opencv的adptiveThreshold则融合了考虑周边邻域的情况而进行的图像分割处理。另外做不做滤波处理等对图像分割影响也比较大。

1.adptiveThreshold分割，实验源码：

    Mat img=imread("D:/ImageTest/sudoku.png",CV_LOAD_IMAGE_COLOR);
    Mat dst1;
    Mat dst2;
    Mat dst3;
    cv::cvtColor(img,img,COLOR_RGB2GRAY);//进行，灰度处理
    medianBlur(img,img,5);//中值滤波
    threshold(img,dst1, 127, 255, THRESH_BINARY);//阈值分割
    adaptiveThreshold(img,dst2,255,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY,11,2);//自动阈值分割,邻域均值
    adaptiveThreshold(img,dst3,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY,11,2);//自动阈值分割，高斯邻域
    //ADAPTIVE_THRESH_MEAN_C : threshold value is the mean of neighbourhood area
    //ADAPTIVE_THRESH_GAUSSIAN_C : threshold value is the weighted sum of neighbourhood values where weights are a gaussian window. 
    imshow("dst1", dst1);
    imshow("dst2", dst2);
    imshow("dst3", dst3);
    imshow("img", img);
    waitKey(0);

效果对比，很明显加入邻域权重后处理更理想：

2.加入滤波处理的最大类间方差分割

Mat img=imread("D:/ImageTest/pic2.png",CV_LOAD_IMAGE_COLOR);
    Mat dst1;
    Mat dst2;
    Mat dst3;
    cv::cvtColor(img,img,COLOR_RGB2GRAY);//进行，灰度处理
    //    medianBlur(img,img,5);
    threshold(img,dst1, 127, 255, THRESH_BINARY);
    threshold(img,dst2,0, 255, THRESH_OTSU);//最大类间方差法分割 Otsu algorithm to choose the optimal threshold value
    Mat img2=img.clone();
    GaussianBlur(img2,img2,Size(5,5),0);//高斯滤波去除小噪点
    threshold(img2,dst3, 0, 255, THRESH_OTSU);
    imshow("BINARY dst1", dst1);
    imshow("OTSU dst2", dst2);
    imshow("GaussianBlur OTSU dst3", dst3);
    imshow("original img", img);
    waitKey(0);

效果如下，显然不滤波和滤波差别明显：