Opencv图像识别从零到精通（15）-----阈值分割、固定阈值Threshold、自适应阈值分割adaptiveThreshold、OSTU大津法

本文链接：https://blog.youkuaiyun.com/qq_20823641/article/details/52015087

当我们用图像技术来找到图像特征的时候，其中很重要的一个步骤就是分割，不区分出来我们想要的就没有办法得到其中的参数，而这里首先介绍阈值分割，也是最基础的分割方式，一共有下面三个部分组成。本来想介绍一个函数与定义然后再跟着例子，但是感觉有点乱，然后就按现在这样来说了，当后面看到不懂的在前面的函数与定义都会提及到，希望对大家有用。

（1）、函数与定义

（2）、代码应用

Threshold()

adaptiveThreshold()

ostu

（3）、matlab辅助

一、函数与定义

阈值分割是一种区域分割技术，将灰度根据主观愿望分成两个或者多个灰度区间，利用图像中背景和目标物体的灰度上的差异，旋转一个合适的阈值进行分割。

一般的分割有全局分割和局部分割，这是不同的思路，在Opencv中给出了threshold(),adapativeThreshold()，这两个函数中的tpye会给出很多的方法

<span style="font-size:18px;">double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type)</span>

参数信息：

第一个参数，InputArray类型的src，输入数组，填单通道 , 8或32位浮点类型的Mat即可。
第二个参数，OutputArray类型的dst，函数调用后的运算结果存在这里，即这个参数用于存放输出结果，且和第一个参数中的Mat变量有一样的尺寸和类型。
第三个参数，double类型的thresh，阈值的具体值。
第四个参数，double类型的maxval，当第五个参数阈值类型type取 THRESH_BINARY 或THRESH_BINARY_INV阈值类型时的最大值.
第五个参数，int类型的type，阈值类型,。

第五个参数，第五参数有以下几种类型

0: THRESH_BINARY 当前点值大于阈值时，取Maxval,也就是第四个参数，下面再不说明，否则设置为0
1: THRESH_BINARY_INV 当前点值大于阈值时，设置为0，否则设置为Maxval
2: THRESH_TRUNC 当前点值大于阈值时，设置为阈值，否则不改变
3: THRESH_TOZERO 当前点值大于阈值时，不改变，否则设置为0
4: THRESH_TOZERO_INV 当前点值大于阈值时，设置为0，否则不改变

源代码中的定义

<span style="font-size:18px;">enum

{

    CV_THRESH_BINARY      =0,  /* value = value > threshold ? max_value : 0       */

    CV_THRESH_BINARY_INV  =1,  /* value = value > threshold ? 0 : max_value       */

    CV_THRESH_TRUNC       =2,  /* value = value > threshold ? threshold : value   */

    CV_THRESH_TOZERO      =3,  /* value = value > threshold ? value : 0           */

    CV_THRESH_TOZERO_INV  =4,  /* value = value > threshold ? 0 : value           */

    CV_THRESH_MASK        =7,

    CV_THRESH_OTSU        =8  /* use Otsu algorithm to choose the optimal threshold value; combine the flag with one of the above CV_THRESH_* values */

};</span>

<span style="font-size:18px;">void cvAdaptiveThreshold( const CvArr* src, CvArr* dst, double max_value,
                          int adaptive_method=CV_ADAPTIVE_THRESH_MEAN_C,
                          int threshold_type=CV_THRESH_BINARY,
                          int block_size=3, double param1=5 );</span>

src 输入图像. dst 输出图像. max_value使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值. adaptive_method自适应阈值算法使用：CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C （见讨论）. threshold_type
取阈值类型：必须是下者之一
- CV_THRESH_BINARY,
- CV_THRESH_BINARY_INV

block_size用来计算阈值的象素邻域大小: 3, 5, 7, ... param1与方法有关的参数。对方法 CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C，它是一个从均值或加权均值提取的常数（见讨论）, 尽管它可以是负数。

二、代码应用

(1)

Threshold()

<span style="font-size:18px;">#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;
Mat dst,gray,bluriamge;
int thresh,thresh1;
void on_thresh(int,void*)
{
	threshold(bluriamge,dst,thresh,255,thresh1);
	imshow("threshold二值化灰图",dst);
}

 int main()
 {
	Mat src;
	src=imread("lena.jpg");  
	cvtColor( src, gray, CV_BGR2GRAY );  
	blur( gray, bluriamge, Size(3,3) );  
	imshow("threshold二值化灰图",src);
	namedWindow("threshold二值化灰图");
	createTrackbar("阈值:","threshold二值化灰图",&thresh,255,on_thresh);
	createTrackbar("type:","threshold二值化灰图",&thresh1,4,on_thresh);
	on_thresh(0,0);
	waitKey(0);
	return 0;
}</span>

(2)adaptiveThreshold

<span style="font-size:18px;">#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;
#include <iostream>

int main(int argc, char** argv)
{
 cv::Mat image = cv::imread("lena.jpg", CV_LOAD_IMAGE_GRAYSCALE);
 if (image.empty())
 {
  std::cout<<"read image failure"<<std::endl;
  return -1;
 }

 int th = 100; 
 cv::Mat global;
 cv::threshold(image, global, th, 255, CV_THRESH_BINARY_INV);

 int blockSize = 25;
 int constValue = 10;
 cv::Mat local;
 cv::adaptiveThreshold(image, local, 255, CV_ADAPTIVE_THRESH_MEAN_C, CV_THRESH_BINARY_INV, blockSize, constValue);

 cv::imshow("globalThreshold", global);
 cv::imshow("localThreshold", local);
 cv::waitKey(0);

 return 0;
}</span>

(3)OSTU关于他是什么回事，想看理论的可以到我以前的写一篇文章中，很清晰明了 http://blog.youkuaiyun.com/qq_20823641/article/details/51480651

<span style="font-size:18px;">#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;
#include <iostream>
int piexlSum;
int thresh;  
float w1,u1,w2,u2,g,gmax;
  
int main(int argc, uchar* argv[])  
{  
    vector<int> hist(256);  
    Mat img=imread("lena.jpg",0);  
    Mat dst1;  
 
    for(auto it=img.begin<uchar>();it!=img.end<uchar>();++it)  
        hist[*it]++;  
      
    piexlSum=img.cols*img.rows;  
      
    for(int i=0;i!=hist.size();i++)       
    {  
        w1=w2=u1=u2=0;  
  
        for(int j=0;j!=hist.size();j++)  
        {  
            float k=(float)hist[j]/piexlSum;  
  
            if(j<=i)  
            {  
                w1+=k;    
                u1+=j*k     ;    
                  
            }  
            else       
            {  
                w2+=k;  
                u2+=j*k;  
            }  
        }  
              
            g=w1*w2*(u1-u2)*(u1-u2);  
            if(g>gmax)  
            {  
                gmax=g;  
                thresh=i;  
            }  
                     
    }  
  
    threshold(img,dst1,thresh,255,CV_THRESH_OTSU); 
    imshow("otsu1",dst1);  
    waitKey(0);  
    return 0;  
}  </span>

三、Matlab辅助

I=imread('d:\lena.jpg');
I=rgb2gray(I);
figure
subplot(1,2,1)
imshow(I);
title('原图')
[width,height]=size(I);
level=graythresh(I);
BW=im2bw(I,level);
subplot(1,2,2)
imshow(BW);
title('otsu算法阈值分割效果图');