C++ OpenCV4.5 图像金字塔和图像阈值（九）

系列文章目录

C++ OpenCV4.5环境搭建（一）

C++ OpenCV4.5常用API查询手册（二）

C++ OpenCV4.5 图像处理（三）

C++ OpenCV4.5 绘制形状与文字（四）

C++ OpenCV4.5 图像模糊（五）

C++ OpenCV4.5 项目实战一（六）

C++ OpenCV4.5 形态学操作（七）

C++ OpenCV4.5 调整图像亮度的几种方法（八）

---

---

前言

该篇主要讲解图像金字塔、高斯不同和图像阈值；
图像金字塔有上采样和降采样；
图像阈值类型有阈值二值化、阈值反二值化、截断、阈值取零和阈值反取零等

---

一、相关概念概念

1.图像金字塔

图像处理中常常会调整图像大小，最常见的就是放大和缩小，分别对应图像金字塔的下采样和上采样，常见的图像金字塔如下；

高斯金子塔：用来对图像进行降采样，参照下图，从底向上，逐层降采样；降采样之后图像大小是原图像M × N的M/2 × N/2，就是对原图像删除偶数行与列，即得到降采样之后上一层的图片。
主要分为两步：
    1、对当前层进行高斯模糊
    2、删除当前层的偶数行与列
即可得到上一层的图像，这样上一层跟下一层相比，都只有它的1/4大小。

拉普拉斯金字塔： 用来重建一张图片根据它的上层降采样图片

2.高斯不同

把同一张图像在不同的参数下做高斯模糊之后的结果相减，得到的输出图像，称为高斯不同； 高斯不同是图像的内在特征，在灰度图像增强、角点检测中经常用到。

3.图像阈值类型

简单来说，阈值类型就是把图像分割的标尺，不同阈值类型的衡量算法不同

阈值二值化(THRESH_BINARY)：左下方的图表示图像像素点Src(x,y)值分布情况，蓝色水平线表示阈值，大于阈值的像素值赋值最大像素值，其他赋值0

阈值反二值化(THRESH_BINARY_INV)：和阈值二值化刚好相反，大于阈值的像素值赋值0，其他赋值最大像素值
截断(THRESH_TRUNC)：大于阈值的像素值进行截断，赋值阈值，其他像素值不变
阈值取零(THRESH_TOZERO)：小于阈值的像素值进行截断，赋值0，其他像素值不变
阈值反取零(THRESH_TOZERO_INV)：和阈值取零刚好相反，大于阈值的像素值进行截断，赋值0，其他像素值不变

二、图像金字塔和高斯不同

1.上采样(cv::pyrUp) – 放大

// 功能：向上采样图像，然后使其模糊
// 参数：src 输入图像
// 		dst 输出图像，它具有指定的大小和与src相同的类型；
//		dstsize 输出图像的大小
//		borderType 像素外推方法，请参见枚举类型#BorderTypes
//		
void pyrUp( InputArray src, OutputArray dst,
                         const Size& dstsize = Size(), int borderType = BORDER_DEFAULT );

---

2.降采样 (cv::pyrDown) – 缩小

// 功能：向下进行采样，然后使其模糊
// 参数：src 输入图像
// 		dst 输出图像，它具有指定的大小和与src相同的类型；
//		dstsize 输出图像的大小
//		borderType 像素外推方法，请参见枚举类型#BorderTypes
void pyrDown( InputArray src, OutputArray dst,
                           const Size& dstsize = Size(), int borderType = BORDER_DEFAULT );

---

3.代码示例

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(void)
{
	Mat srcImg, upImg, downImg;
	srcImg = imread("E:\\1.png");
	if (srcImg.empty())
	{
		cout << "load image fail..." << endl;
		return -1;
	}
	imshow("输入图像", srcImg);

	// 上采样：生成的图像是原图在宽与高各放大两倍
	pyrUp(srcImg, upImg, Size(srcImg.cols * 2, srcImg.rows * 2));
	imshow("上采样", upImg);

	// 降采样：生成的图像是原图在宽与高各缩小1/2
	pyrDown(srcImg, upImg, Size(srcImg.cols / 2, srcImg.rows / 2));
	imshow("降采样", upImg);

	Mat grayImg, gaussianImg1, gaussianImg2, dogImg;
	// 转灰度
	cvtColor(srcImg, grayImg, COLOR_BGR2GRAY);
	// 高斯模糊
	GaussianBlur(grayImg, gaussianImg1, Size(5, 5), 0, 0);
	GaussianBlur(gaussianImg1, gaussianImg2, Size(5, 5), 0, 0);
	// 高斯不同：把同一张图像在不同的参数下做高斯模糊之后的结果相减，得到的输出图像
	subtract(gaussianImg1, gaussianImg2, dogImg);
	// PS：高斯不同计算得到的值非常低，反映灰度值时，所以灰度也很低，所以整个图就很暗，所以
	//		需要将最大和最小值放大0-255这个空间，才能看清楚

	// 功能：归一化图像的数值范围
	// 参数：src 输入图像
	//		dst 与src大小相同的输出图像
	//		alpha 归一化操作的最低范围
	//		beta 归一化操作的范围上限
	//		norm_type 标准化类型（请参见cv:：NormalType）
	//		其他参数 默认
	normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);
	imshow("高斯不同", dogImg);

	waitKey(0);

	return 0;
}

三、图像阈值类型

代码示例如下：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

// 当前阈值
int g_iCurThresholdValue = 160;
// 最大阈值
int g_iMaxThresholdValue = 255;
// 当前阈值类型
int g_iCurThresholdType = 0;
// 阈值类型数量
int g_iMaxThresholdType = 5;

char g_szWinTitle[] = "输出图像";

void ThresholdBinaryDemo(int, void* pUserData)
{
	Mat img = *((Mat*)pUserData);
	Mat grayImg, dstImg;

	cvtColor(img, grayImg, COLOR_BGR2GRAY);

	// 功能：对每个数组元素应用一个固定的级别阈值
	// 参数：src 输入数组（多通道，8位或32位浮点）。
	//		dst 输出数组的大小和类型与src的通道数相同。
	//		thresh 阈值 
	//		maxval 用于 #THRESH_BINARY 和 #THRESH_BINARY_INV 类型的最大值。
	//		type 阈值类型，（请参见#ThresholdTypes）
	threshold(grayImg, dstImg, g_iCurThresholdValue, g_iMaxThresholdValue, g_iCurThresholdType % g_iMaxThresholdType);

	/****************************自动计算阈值****************************/
	// 利用Otsu算法选择最优阈值，输入的阈值不再有效
	//threshold(grayImg, dstImg, 0, g_iMaxThresholdValue, THRESH_OTSU | (g_iCurThresholdType % g_iMaxThresholdType));
	// 利用三角形算法选择最优阈值，输入的阈值不再有效
	//threshold(grayImg, dstImg, 0, g_iMaxThresholdValue, THRESH_TRIANGLE | (g_iCurThresholdType % g_iMaxThresholdType));

	imshow(g_szWinTitle, dstImg);
}

int main(void)
{
	Mat srcImg;
	srcImg = imread("E:\\1.png");
	if (srcImg.empty())
	{
		cout << "load image fail..." << endl;
		return -1;
	}
	imshow("输入图像", srcImg);
	namedWindow(g_szWinTitle, WINDOW_AUTOSIZE);

	// 当前阈值大小
	createTrackbar("阈值大小", g_szWinTitle, &g_iCurThresholdValue, g_iMaxThresholdValue, ThresholdBinaryDemo, (void*)&srcImg);
	// 阈值类型
	// THRESH_BINARY     = 0,
	// THRESH_BINARY_INV = 1,
	// THRESH_TRUNC = 2, 
	// THRESH_TOZERO = 3,
	// THRESH_TOZERO_INV = 4,
	createTrackbar("阈值类型", g_szWinTitle, &g_iCurThresholdType, g_iMaxThresholdType, ThresholdBinaryDemo, (void*)&srcImg);

	ThresholdBinaryDemo(0, (void*)&srcImg);
	
	waitKey(0);

	return 0;
}