阈值过滤的实例——OpenCV inRange

最新推荐文章于 2025-01-05 07:43:59 发布

techDM

最新推荐文章于 2025-01-05 07:43:59 发布

阅读量332

点赞数 1

CC 4.0 BY-SA版权

文章标签： opencv 人工智能计算机视觉 C/C++

本文链接：https://blog.youkuaiyun.com/techDM/article/details/132518322

C/C++ 专栏收录该内容

170 篇文章 ¥99.90 ¥299.90

订阅专栏

本文介绍了OpenCV中的inRange方法在图像处理中的应用，通过设置阈值范围进行像素筛选。示例代码展示了如何读取图像，定义阈值并进行过滤，最后展示过滤结果。使用inRange时需注意阈值范围与图像通道数匹配，以实现目标区域的有效分离。

阈值过滤的实例——OpenCV inRange

在图像处理中，阈值过滤是一个常见且实用的技术，它可以通过设置阈值来将像素分为两个部分：低于阈值的部分和高于阈值的部分。OpenCV提供了多种方式进行阈值过滤，其中inRange方法是一种常用的方式。

首先，我们需要明确一下inRange方法的基本用法。该方法可以传入三个参数，分别是原始图像、阈值范围的下限和上限。所谓阈值范围，就是指像素值必须落在这个范围内才会被保留下来。阈值范围通过cv::Scalar类型进行表示，其构造函数可以接收四个参数，分别是B、G、R和A通道的值。

下面是一个使用inRange方法进行阈值过滤的示例代码：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    // 读入原始图像
    Mat srcImage = imread("test.png");

    // 定义阈值范围
    Scalar lower(100, 100, 100, 0);
    Scalar upper(200, 200, 200, 0);

    // 进行阈值过滤
    Mat resultImage;
    inRange(srcImage, lower, upper, resultImage);

    // 显示结果
    imshow("result", resultImage);
    waitKey(0);

    return 0;
}

在这个示例代码中，我们首先使用OpenCV的imread方法读入了一张名为test.

了解本专栏