DrGraph原理示教 - OpenCV 4 功能 - 二值化-优快云博客

本文链接：https://blog.youkuaiyun.com/drgraph/article/details/135351202

本文详细介绍了OpenCV中的inRange函数在图像二值化过程中的应用，以及如何使用阈值、基准偏差和分量偏差过滤来处理图像。同时提到了在实际应用中处理彩色图像时的注意事项。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

二值化，也就是处理结果为0或1，当然是针对图像的各像素而言的
1或0，对应于有无，也就是留下有用的，删除无用的，有用的部分，就是关心的部分
在图像处理中，也不仅仅只是1或0，因为这两个值看起来都是黑的，人眼很难分辨清楚，那就放大一些，255或0，黑白就出来了
目标识别、图像分割、目标提取等后续应用，很多会基于二值化的结果。所以图像分析的二值化处理是一个重要环节。比如优快云的OpenCV技能树：
在这里插入图片描述

广义来说，分析或处理的结果中，各像素点只在0/255间取值，那就算是二值化，所以阈值、腐蚀与膨胀、开运算与闭运算、连通区域分析、轮廓等都算是
但在OpenCV 4中，阈值的结果可能也是彩色图像，开闭运算的输入就是二值化图像… 这个概念可能是错的，因为我还没有从头处理开闭运算。
所以，还是自己按自己的标准来处理，利于理解就行，无所谓对错

inRange

OpenCV中的inRange()函数可以实现图像的二值化，其功能是将在两个阈值内的像素值设置为白色（255），而不在阈值区间内的像素值设置为黑色（0）。函数的语法格式如下：

void cv::inRange(InputArray _src, InputArray _lowerb, InputArray _upperb, OutputArray _dst);

其中，_src表示输入图像，可以是灰度图像或彩色图像；_lowerb表示下界的阈值，可以是一个标量值或与输入图像通道数相同的数组；_upperb表示上界的阈值，与_lowerb的类型相同，指定上界阈值；_dst表示输出图像，用于存储计算得到的阈值图像。
在这里插入图片描述
二值图像，可作为copyTo的参数，实现原图的部分拷贝

具体实现代码：

    cv::Mat originMat = dstMat.clone();
    int paramIndex = 0;
    bool combineMaskFlag = GetParamValue_Bool(paramIndex++);    // 0 - 过滤原图显示
    int min0 = GetParamValue_Int(paramIndex++);   // 1 - 通道0下限
    int max0 = GetParamValue_Int(paramIndex++);   // 2 - 通道0上限
    int min1 = GetParamValue_Int(paramIndex++);   // 3 - 通道1下限
    int max1 = GetParamValue_Int(paramIndex++);   // 4 - 通道1上限
    int min2 = GetParamValue_Int(paramIndex++);   // 5 - 通道2下限
    int max2 = GetParamValue_Int(paramIndex++);   // 6 - 通道2上限
    int dim = dstMat.channels();
    cv::Mat maskMat;
    if(dim == 1)
        inRange(dstMat, Scala