9.1threshold实现图像阈值分割

原创 于 2024-10-15 08:27:37 发布
· 669 阅读 · 10 ·
版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#opencv

在OpenCV中，threshold函数是一个非常基础且强大的工具，用于将图像转换为二值图像（即图像的每个像素点非黑即白）。这个函数在图像预处理、特征提取、边缘检测等任务中非常有用。下面，我将详细解释如何在C++中使用OpenCV的threshold函数。

在计算机视觉和图像处理中，阈值分割（Thresholding）是一种常用的图像处理技术，用于将图像转换成二值图像（黑白图像）。这种方法可以简化图像分析过程，使得后续的特征提取更加容易。OpenCV 提供了一个名为 threshold() 的函数来实现这一功能。

函数原型

在OpenCV的C++接口中，threshold函数的原型如下：

double cv::threshold(InputArray src, OutputArray dst, 
                double thresh, double maxval, int type)

参数说明
src: 输入图像，必须是单通道（灰度图）。
dst: 输出图像，与输入图像具有相同的尺寸和类型。
thresh: 阈值。
maxval: 当像素值超过（或小于，取决于type）阈值时应该被赋予的值。
type: 阈值类型，决定了阈值操作的方式。OpenCV提供了几种不同的阈值类型，常用的有以下几种：
    THRESH_BINARY
    THRESH_BINARY_INV
    THRESH_TRUNC
    THRESH_TOZERO
    THRESH_TOZERO_INV
    THRESH_OTSU 和 THRESH_TRIANGLE（这两个通常与其他类型结合使用，用于自动计算最佳阈值）

下面我将详细解释如何使用 C++ 和 OpenCV 的 threshold() 函数来对图像进行阈值分割。

1. 导入必要的头文件
首先需要导入 OpenCV 的头文件：
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

2. 加载图像
我们需要读取一张图像，并将其转换为灰度图像以便进行阈值分割：
Mat src = imread("path/to/your/image.jpg", IMREAD_GRAYSCALE); // 载入灰度图像
if (src.empty()) {
    cout << "Could not open or find the image" << endl;
    return -1;
}

3. 设置阈值分割参数
在进行阈值分割之前，需要定义阈值分割的参数：

thresh：阈值，通常根据图像的亮度分布来选择。
maxval：如果像素值超过了阈值，则被赋予的最大值。
type：指定阈值分割的类型。

OpenCV 支持以下几种阈值分割类型：
    THRESH_BINARY：如果像素值大于阈值，则设置为最大值，否则设置为0。
    THRESH_BINARY_INV：如果像素值大于阈值，则设置为0，否则设置为最大值。
    THRESH_TRUNC：如果像素值大于阈值，则设置为阈值，否则保持不变。
    THRESH_TOZERO：如果像素值小于阈值，则设置为0，否则保持不变。
    THRESH_TOZERO_INV：如果像素值大于阈值，则设置为0，否则保持不变。
    THRESH_OTSU：使用 Otsu's 方法从图像直方图中找到最优阈值。
    THRESH_TRIANGLE：使用 Triangle 方法从图像直方图中找到最优阈值。
假设我们选择使用全局阈值分割：
int thresh = 127; // 全局阈值
int maxval = 255; // 最大值
int type = THRESH_BINARY; // 二值化类型

如果要使用 Otsu's 方法自动计算最优阈值：
int type = THRESH_BINARY + THRESH_OTSU; // 结合 Otsu's 方法

4. 应用阈值分割
接下来，我们使用 threshold() 函数来分割图像：
Mat dst;
threshold(src, dst, thresh, maxval, type);

注意，当使用 THRESH_OTSU 或 THRESH_TRIANGLE 时，阈值 thresh 应该设为0，因为函数会自动计算阈值：
threshold(src, dst, 0, maxval, type);

5. 显示结果
现在我们可以显示原始图像和分割后的图像：
namedWindow("Original Image", WINDOW_AUTOSIZE);
imshow("Original Image", src);

namedWindow("Thresholded Image", WINDOW_AUTOSIZE);
imshow("Thresholded Image", dst);

6. 等待按键并清理
最后，等待用户按键后关闭窗口并清理内存：
waitKey(0); // 等待按键
destroyAllWindows(); // 关闭所有窗口

完整代码1

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

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
	Mat src = imread("48.jpg", IMREAD_GRAYSCALE);
	if (src.empty())
	{
		cout << "Could not open or find the image" << endl;
		return -1;
	}

	int thresh = 127; // 全局阈值
	int maxval = 255; // 最大值
	int type = THRESH_BINARY; // 二值化类型

	Mat dst;
	threshold(src, dst, thresh, maxval, type);

	namedWindow("Original Image", WINDOW_NORMAL);
	imshow("Original Image", src);

	namedWindow("Thresholded Image", WINDOW_NORMAL);
	imshow("Thresholded Image", dst);

	waitKey(0); // 等待按键
	destroyAllWindows(); // 关闭所有窗口

	return 0;
}
这个示例展示了如何使用 OpenCV 的 threshold() 函数来执行基本的阈值分割操作。你可以根据实际需要调整阈值和类型来达到预期的效果。

运行结果1

使用示例2

下面是一个简单的示例，展示了如何使用threshold函数将灰度图像转换为二值图像：

#include <opencv2/opencv.hpp>  
#include <iostream>  
  
int main() {  
    // 加载图像  
    cv::Mat src = cv::imread("path_to_your_image.jpg", cv::IMREAD_GRAYSCALE);  
    if (src.empty()) {  
        std::cerr << "Error loading image!" << std::endl;  
        return -1;  
    }  
  
    // 创建输出图像  
    cv::Mat dst;  
  
    // 应用阈值操作  
    double thresh_value = 127.0; // 示例阈值  
    double max_value = 255.0;    // 超过阈值时的最大值  
    int threshold_type = cv::THRESH_BINARY; // 阈值类型  
  
    cv::threshold(src, dst, thresh_value, max_value, threshold_type);  
  
    // 显示结果  
    cv::imshow("Source Image", src);  
    cv::imshow("Thresholded Image", dst);  
    cv::waitKey(0);  
  
    return 0;  
}

运行结果2

注意事项

  • 确保输入图像是灰度图（单通道）。
  • THRESH_OTSU 和 THRESH_TRIANGLE 可以与其他阈值类型结合使用（通过位或操作），以自动计算最佳阈值。例如，THRESH_BINARY | THRESH_OTSU。
  • 当使用THRESH_OTSU或THRESH_TRIANGLE时，thresh参数被忽略，因为算法会自动计算最佳阈值。然而，你仍然需要提供一个thresh值，因为函数原型要求这个参数，但你可以将其设置为0或其他任意值。
  • 阈值的选择对结果有很大影响，因此在实际应用中可能需要通过试验来确定最佳阈值。

使用示例3

//#include "pch.h"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
#include <string>
using namespace cv;  //所有opencv类都在命名空间cv下
using namespace std;

//#pragma comment(lib, "opencv_world450d.lib")   


void f1(char *image)
{
	cv::Mat gray = imread(image, IMREAD_GRAYSCALE);
	namedWindow("original", WINDOW_NORMAL);
	cv::imshow("original", gray);
	// 全局二值化
	int th = 100;
	cv::Mat threshold1, threshold2, threshold3, threshold4, threshold5, threshold6, threshold7, threshold8;
	cv::threshold(gray, threshold1, th, 255, THRESH_BINARY);
	cv::threshold(gray, threshold2, th, 255, THRESH_BINARY_INV);
	cv::threshold(gray, threshold3, th, 255, THRESH_TRUNC);
	cv::threshold(gray, threshold4, th, 255, THRESH_TOZERO);
	cv::threshold(gray, threshold5, th, 255, THRESH_TOZERO_INV);
	//cv::threshold(gray, threshold6, th, 255, THRESH_MASK);
	cv::threshold(gray, threshold7, th, 255, THRESH_OTSU);
	cv::threshold(gray, threshold8, th, 255, THRESH_TRIANGLE);
	namedWindow("THRESH_BINARY", WINDOW_NORMAL);
	cv::imshow("THRESH_BINARY", threshold1);
	namedWindow("THRESH_BINARY_INV", WINDOW_NORMAL);
	cv::imshow("THRESH_BINARY_INV", threshold2);
	namedWindow("THRESH_TRUNC", WINDOW_NORMAL);
	cv::imshow("THRESH_TRUNC", threshold3);
	namedWindow("THRESH_TOZERO", WINDOW_NORMAL);
	cv::imshow("THRESH_TOZERO", threshold4);
	namedWindow("THRESH_TOZERO_INV", WINDOW_NORMAL);
	cv::imshow("THRESH_TOZERO_INV", threshold5);
	//cv::imshow("THRESH_MASK", threshold6);
	namedWindow("THRESH_OTSU", WINDOW_NORMAL);
	cv::imshow("THRESH_OTSU", threshold7);
	namedWindow("THRESH_TRIANGLE", WINDOW_NORMAL);
	cv::imshow("THRESH_TRIANGLE", threshold8);
}

void f2(char *image)
{
	cv::Mat gray = imread(image, IMREAD_GRAYSCALE);
	namedWindow("original", WINDOW_NORMAL);
	
	cv::imshow("original", gray);

	string windowstring = "result 0";
	string imagestring = "result 0.jpg";
	cv::Mat result;
	enum thresholdtype { THRESH_BINARY, THRESH_BINARY_INV, THRESH_TRUNC, THRESH_TOZERO, THRESH_TOZERO_INV };

	for (int thresh = 0; thresh < 5; thresh++)
	{
		// 0: 二进制阈值,1: 反二进制阈值,2: 截断阈值,3: 0阈值,4: 反0阈值
		threshold(gray, result, 150, 255, thresholdtype(thresh));//改变参数实现不同的threshold
		namedWindow(windowstring, WINDOW_NORMAL);
		cv::namedWindow(windowstring);
		cv::imshow(windowstring, result);//显示输出结果
//		cv::imwrite(imagestring, result);
		windowstring[7]++;
		imagestring[7]++;
	}
}
int main(void)
{
	f1((char*)"11.png");
	f2((char*)"12.png");

	waitKey(0); //等待按键响应后退出，0改为5000就是5秒后自动退出。
	return 0;
}

运行结果3

评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值