閾值化操作在圖像處理中是一種常用的算法，比如圖像的二值化就是一種最常見(jiàn)的一種閾值化操作。opencv2和opencv3中提供了直接閾值化操作cv::threshold()和自適應(yīng)閾值化操作cv::adaptiveThreshold()兩種閾值化操作接口，這里將對(duì)這兩個(gè)接口進(jìn)行介紹和對(duì)比。

1、直接閾值化——cv::threshold()

閾值化操作的基本思想是，給定一個(gè)輸入數(shù)組和一個(gè)閾值，數(shù)組中的每個(gè)元素將根據(jù)其與閾值之間的大小發(fā)生相應(yīng)的改變。opencv3中支持這一操作的接口是cv::threshold()，具體調(diào)用方法如下：

double cv::threshold(cv::InputArray src, // 輸入圖像cv::OutputArray dst, // 輸出圖像double thresh, // 閾值double maxValue, // 向上最大值int thresholdType // 閾值化操作的類型 );
如下表所示，每一種閾值化操作類型，對(duì)應(yīng)著一種源圖像上每一個(gè)像素點(diǎn)與閾值thresh之間比較操作。根據(jù)源圖像像素和閾值之間的大小關(guān)系，目標(biāo)像素可能被置為0、原像素值、或者設(shè)定的最大值maxValue。

下圖將會(huì)幫助大家理解不同的閾值化類型所表示的確切含義。

void test_threshold() {cv::Mat src = cv::imread("lena.jpg", cv::IMREAD_GRAYSCALE);cv::Mat dst;double thresh = 100;int maxVal = 255;cv::threshold(src, dst, thresh, maxVal, cv::THRESH_BINARY);cv::imshow("threshold", dst);cv::waitKey(0);return; }

實(shí)用上面的代碼進(jìn)行閾值化處理，原圖和五種不同方式閾值化的結(jié)果分別如下：

??????????

另外，在opencv3中cv::threshold()函數(shù)還支持一種特殊的閾值化操作方式，即Otsu算法。該算法的主要思想是，在進(jìn)行閾值化時(shí)，考慮所有可能的閾值，分別計(jì)算低于閾值和高于閾值像素的方差，使下式最小化的值作為閾值：

其中，兩類像素方差的權(quán)值由兩類像素的個(gè)數(shù)決定。這種閾值化的結(jié)果相對(duì)來(lái)說(shuō)比較理想，可以避免尋找合適閾值的操作，但是這種方式運(yùn)算量較大，費(fèi)時(shí)。處理的結(jié)果如下：

但是，直接閾值化操作是一種一刀切的方式，對(duì)于亮度分布差異較大的圖像，常常無(wú)法找到一個(gè)合適的閾值。如下所示，對(duì)棋盤格進(jìn)行二值化操作，由于圖像右上角區(qū)域和圖像下部的亮度差異較為大，無(wú)法找到一個(gè)合適的閾值，將棋盤上的所有棋盤格給區(qū)分開(kāi)來(lái)。

?

?

針對(duì)于上述情況，我們需要一種改進(jìn)的閾值化算法，即自適應(yīng)閾值化。

2、自適應(yīng)閾值化——cv::adaptiveThreshold()

自適應(yīng)閾值化能夠根據(jù)圖像不同區(qū)域亮度分布的，改變閾值，具體調(diào)用方法如下：

void cv::adaptiveThreshold(cv::InputArray src, // 輸入圖像cv::OutputArray dst, // 輸出圖像double maxValue, // 向上最大值int adaptiveMethod, // 自適應(yīng)方法，平均或高斯int thresholdType // 閾值化類型int blockSize, // 塊大小double C // 常量 );
cv::adaptiveThreshold()支持兩種自適應(yīng)方法，即cv::ADAPTIVE_THRESH_MEAN_C（平均）和cv::ADAPTIVE_THRESH_GAUSSIAN_C（高斯）。在兩種情況下，自適應(yīng)閾值T(x, y)。通過(guò)計(jì)算每個(gè)像素周圍bxb大小像素塊的加權(quán)均值并減去常量C得到。其中，b由blockSize給出，大小必須為奇數(shù)；如果使用平均的方法，則所有像素周圍的權(quán)值相同；如果使用高斯的方法，則（x,y）周圍的像素的權(quán)值則根據(jù)其到中心點(diǎn)的距離通過(guò)高斯方程得到。

測(cè)試代碼如下：

void test_adaptive_threshold() {cv::Mat src = cv::imread("chessboard.png", cv::IMREAD_GRAYSCALE);cv::Mat dst;int maxVal = 255;int blockSize = 41;double C = 0;cv::adaptiveThreshold(src, dst, maxVal, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, blockSize, C);cv::imshow("threshold", dst);cv::waitKey(0);return; }

我們分別使用了平均和高斯兩種自適應(yīng)方法，結(jié)果如下：

??

2017.03.29

總結(jié)

以上是生活随笔為你收集整理的【OpenCV3】阈值化操作——cv::threshold()与cv::adaptiveThreshold()详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。