正文

opencv —— threshold、adaptiveThreshold 固定阈值 & 自适应阈值 进行图像二值化处理

IP云
IP云V管理员/9 阅读
08/12
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

阈值化

在对图像进行处理操作的过程中，我们常常需要对图像中的像素做出取舍与决策，直接剔除一些低于或高于一定值的像素。

阈值分割可以视为最简单的图像分割方法。比如基于图像中物体与背景之间的灰度差异，可以利用阈值分割出我们需要的物体。这种分割是像素级的分割，为了从一幅图像中提取我们需要的部分，应该用图像中的每个像素点的灰度值与选择的阈值进行比较，并作出取舍判断。

注意，阈值的选取依赖于具体问题，物体在不同的图片中可能会有不同的灰度值。一旦找到了需要分割的物体的像素点，可以对这些像素点设定一些特定的值来表示。例如可以将物体的像素点的灰度值设定为”0“（黑色），其他像素点的灰度值设为”255“（白色）。

OpenCV 中 threshold() 函数（固定阈值操作）和 adaptiveThreshold() 函数（自适应阈值操作）可以满足这样的需求。它们的基本思想是：给定一个数组和一个阈值，根据数组中的每个元素的值是高于还是低于阈值而进行一些操作。

固定阈值操作：threshold 函数

threshold() 函数是对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像（compare 函数也可以达到此目的），或者去除噪声，过滤掉像素值很小或很大的图像点。

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

  • src，输入数组，填单通道、8 或 32 位浮点类型的 Mat 类型对象即可。
  • dst，输出数组，和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • thresh，阈值的具体值。
  • maxval，输出像素值的上限，仅当第五个参数阈值类型 type 取 THRESH_BINARY 或 THRESH_BINARY_INV 时会用到。
  • type，阈值类型。

折线为将被阈值化的值，虚线为阈值

THRESH_BINARY：大于阈值的部分被置为 maxval，小于部分被置为 0

THRESH_BINARY_INV：大于阈值部分被置为 0，小于部分被置为 maxval

THRESH_TRUNC：大于阈值部分被置为 thresh，小于部分保持原样

THRESH_TOZERO：小于阈值部分被置为 0，大于部分保持不变

THRESH_TOZERO_INV：大于阈值部分被置为 0，小于部分保持不变

THRESH_BINARY|THRESH_OTSU：使用最大类间差分法（THRESH_OTSU）获取阈值，然后再用该阈值进行二分，二分方法是上面 5 种选择。
THRESH_BINARY|THRESH_TRIANGLE：使用三角法获取阈值，然后再用该阈值进行二分，二分方法是上面 5 种选择。

  • 返回值为 thresh

自适应阈值操作：adaptiveThreshold 函数

前面看到简单阈值是一种全局性的阈值，只需要规定一个阈值的值，整个图像都和这个阈值比较。而自适应阈值可以看成一种局部性的阈值，通过规定一个区域大小，比较这个点与区域大小里面像素点的平均值（或者其他特征）的大小关系确定这个像素点是属于黑或者白（如果是二值情况）。

double adaptiveThreshold (InputArray src, OutputArray dst, double maxVal, int adaptiveMethod, int thresholdType, int blockSize, double C);

  • src，输入数组，Mat 类的对象即可，但需要为 8 位单通道浮点型图像。
  • dst，输出数组，和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • maxVal，输出像素值的上限。
  • adaptiveMethod，用于指定要使用的自适应阈值算法。阈值有两种取值：

ADAPTIVE_THRESH_MEAN_C ：领域内均值

ADAPTIVE_THRESH_GAUSSIAN_C ：领域内像素点加权和，权重为一个高斯窗口。

  • thresholdType，阈值类型。取值必须为 THRESH_BINARY 或 THRESH_BINARY_INV。
  • blockSize，用于计算阈值大小的一个像素的邻域尺寸，取值为 3、5、7。
  • C，阈值 = 平均或加权平均值 - C。为0相当于阈值 就是求得领域内均值或者加权值。

代码示例：

#include <opencv.hpp>
using namespace cv;
int main() {
Mat src = imread("C:/Users/齐明洋/Desktop/证件照/7.jpg", );
imshow("src", src); Mat dst;
threshold(src, dst, , , THRESH_BINARY);
imshow("binary img", dst); adaptiveThreshold(src, dst, , ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, , );
imshow("adaptive binary img", dst); waitKey();
}

效果展示：

借鉴博客：https://blog.csdn.net/qq_37385726/article/details/82015545

https://www.cnblogs.com/yinliang-liang/p/9293310.html

------------恢复内容开始------------

阈值化

在对图像进行处理操作的过程中，我们常常需要对图像中的像素做出取舍与决策，直接剔除一些低于或高于一定值的像素。

阈值分割可以视为最简单的图像分割方法。比如基于图像中物体与背景之间的灰度差异，可以利用阈值分割出我们需要的物体。这种分割是像素级的分割，为了从一幅图像中提取我们需要的部分，应该用图像中的每个像素点的灰度值与选择的阈值进行比较，并作出取舍判断。

注意，阈值的选取依赖于具体问题，物体在不同的图片中可能会有不同的灰度值。一旦找到了需要分割的物体的像素点，可以对这些像素点设定一些特定的值来表示。例如可以将物体的像素点的灰度值设定为”0“（黑色），其他像素点的灰度值设为”255“（白色）。

OpenCV 中 threshold() 函数（固定阈值操作）和 adaptiveThreshold() 函数（自适应阈值操作）可以满足这样的需求。它们的基本思想是：给定一个数组和一个阈值，根据数组中的每个元素的值是高于还是低于阈值而进行一些操作。

固定阈值操作：threshold 函数

threshold() 函数是对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像（compare 函数也可以达到此目的），或者去除噪声，过滤掉像素值很小或很大的图像点。

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

  • src，输入数组，填单通道、8 或 32 位浮点类型的 Mat 类型对象即可。
  • dst，输出数组，和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • thresh，阈值的具体值。
  • maxval，输出像素值的上限，仅当第五个参数阈值类型 type 取 THRESH_BINARY 或 THRESH_BINARY_INV 时会用到。
  • type，阈值类型。

折线为将被阈值化的值，虚线为阈值

THRESH_BINARY：大于阈值的部分被置为 maxval，小于部分被置为 0

THRESH_BINARY_INV：大于阈值部分被置为 0，小于部分被置为 maxval

THRESH_TRUNC：大于阈值部分被置为 thresh，小于部分保持原样

THRESH_TOZERO：小于阈值部分被置为 0，大于部分保持不变

THRESH_TOZERO_INV：大于阈值部分被置为 0，小于部分保持不变

THRESH_BINARY | THRESH_OTSU：使用最大类间差分法（THRESH_OTSU）获取阈值，然后再用该阈值进行二分，二分方法是 | 左边方法。

THRESH_BINARY_INV | THRESH_TRIANGLE：使用三角法获取阈值，然后再用该阈值进行二分，二分方法是 | 左边方法。

自适应阈值操作：adaptiveThreshold 函数

前面看到简单阈值是一种全局性的阈值，只需要规定一个阈值的值，整个图像都和这个阈值比较。而自适应阈值可以看成一种局部性的阈值，通过规定一个区域大小，比较这个点与区域大小里面像素点的平均值（或者其他特征）的大小关系确定这个像素点是属于黑或者白（如果是二值情况）。

double adaptiveThreshold (InputArray src, OutputArray dst, double maxVal, int adaptiveMethod, int thresholdType, int blockSize, double C);

  • src，输入数组，Mat 类的对象即可，但需要为 8 位单通道浮点型图像。
  • dst，输出数组，和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • maxVal，输出像素值的上限。
  • adaptiveMethod，用于指定要使用的自适应阈值算法。阈值有两种取值：

ADAPTIVE_THRESH_MEAN_C ：领域内均值

ADAPTIVE_THRESH_GAUSSIAN_C ：领域内像素点加权和，权重为一个高斯窗口。

  • thresholdType，阈值类型。取值必须为 THRESH_BINARY 或 THRESH_BINARY_INV。
  • blockSize，用于计算阈值大小的一个像素的邻域尺寸，取值为 3、5、7。
  • C，阈值 = 平均或加权平均值 - C。为0相当于阈值 就是求得领域内均值或者加权值。

代码示例：

#include <opencv.hpp>
using namespace cv;
int main() {
Mat src = imread("C:/Users/齐明洋/Desktop/证件照/7.jpg", );
imshow("src", src); Mat dst;
threshold(src, dst, , , THRESH_BINARY);
imshow("binary img", dst); adaptiveThreshold(src, dst, , ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, , );
imshow("adaptive binary img", dst); waitKey();
}

效果展示：

借鉴博客：https://blog.csdn.net/qq_37385726/article/details/82015545

https://www.cnblogs.com/yinliang-liang/p/9293310.html

------------恢复内容开始------------

阈值化

在对图像进行处理操作的过程中，我们常常需要对图像中的像素做出取舍与决策，直接剔除一些低于或高于一定值的像素。

阈值分割可以视为最简单的图像分割方法。比如基于图像中物体与背景之间的灰度差异，可以利用阈值分割出我们需要的物体。这种分割是像素级的分割，为了从一幅图像中提取我们需要的部分，应该用图像中的每个像素点的灰度值与选择的阈值进行比较，并作出取舍判断。

注意，阈值的选取依赖于具体问题，物体在不同的图片中可能会有不同的灰度值。一旦找到了需要分割的物体的像素点，可以对这些像素点设定一些特定的值来表示。例如可以将物体的像素点的灰度值设定为”0“（黑色），其他像素点的灰度值设为”255“（白色）。

OpenCV 中 threshold() 函数（固定阈值操作）和 adaptiveThreshold() 函数（自适应阈值操作）可以满足这样的需求。它们的基本思想是：给定一个数组和一个阈值，根据数组中的每个元素的值是高于还是低于阈值而进行一些操作。

固定阈值操作：threshold 函数

threshold() 函数是对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像（compare 函数也可以达到此目的），或者去除噪声，过滤掉像素值很小或很大的图像点。

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

  • src，输入数组，填单通道、8 或 32 位浮点类型的 Mat 类型对象即可。
  • dst，输出数组，和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • thresh，阈值的具体值。
  • maxval，输出像素值的上限，仅当第五个参数阈值类型 type 取 THRESH_BINARY 或 THRESH_BINARY_INV 时会用到。
  • type，阈值类型。

折线为将被阈值化的值，虚线为阈值

THRESH_BINARY：大于阈值的部分被置为 maxval，小于部分被置为 0

THRESH_BINARY_INV：大于阈值部分被置为 0，小于部分被置为 maxval

THRESH_TRUNC：大于阈值部分被置为 thresh，小于部分保持原样

THRESH_TOZERO：小于阈值部分被置为 0，大于部分保持不变

THRESH_TOZERO_INV：大于阈值部分被置为 0，小于部分保持不变

THRESH_BINARY | THRESH_OTSU：使用最大类间差分法（THRESH_OTSU）获取阈值，然后再用该阈值进行二分，二分方法是 | 左边方法。

THRESH_BINARY_INV | THRESH_TRIANGLE：使用三角法获取阈值，然后再用该阈值进行二分，二分方法是 | 左边方法。

自适应阈值操作：adaptiveThreshold 函数

前面看到简单阈值是一种全局性的阈值，只需要规定一个阈值的值，整个图像都和这个阈值比较。而自适应阈值可以看成一种局部性的阈值，通过规定一个区域大小，比较这个点与区域大小里面像素点的平均值（或者其他特征）的大小关系确定这个像素点是属于黑或者白（如果是二值情况）。

double adaptiveThreshold (InputArray src, OutputArray dst, double maxVal, int adaptiveMethod, int thresholdType, int blockSize, double C);

  • src，输入数组，Mat 类的对象即可，但需要为 8 位单通道浮点型图像。
  • dst，输出数组，和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • maxVal，输出像素值的上限。
  • adaptiveMethod，用于指定要使用的自适应阈值算法。阈值有两种取值：

ADAPTIVE_THRESH_MEAN_C ：领域内均值

ADAPTIVE_THRESH_GAUSSIAN_C ：领域内像素点加权和，权重为一个高斯窗口。

  • thresholdType，阈值类型。取值必须为 THRESH_BINARY 或 THRESH_BINARY_INV。
  • blockSize，用于计算阈值大小的一个像素的邻域尺寸，取值为 3、5、7。
  • C，阈值 = 平均或加权平均值 - C。为0相当于阈值 就是求得领域内均值或者加权值。

代码示例：

#include <opencv.hpp>
using namespace cv;
int main() {
Mat src = imread("C:/Users/齐明洋/Desktop/证件照/7.jpg", );
imshow("src", src); Mat dst;
threshold(src, dst, , , THRESH_BINARY);
imshow("binary img", dst); adaptiveThreshold(src, dst, , ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, , );
imshow("adaptive binary img", dst); waitKey();
}

效果展示：

借鉴博客：https://blog.csdn.net/qq_37385726/article/details/82015545

https://www.cnblogs.com/yinliang-liang/p/9293310.html

------------恢复内容结束------------

------------恢复内容结束------------

opencv —— threshold、adaptiveThreshold 固定阈值 & 自适应阈值 进行图像二值化处理的更多相关文章

  1. OpenCV&lowbar;基于局部自适应阈值的图像二值化

    在图像处理应用中二值化操作是一个很常用的处理方式,例如零器件图片的处理.文本图片和验证码图片中字符的提取.车牌识别中的字符分割,以及视频图像中的运动目标检测中的前景分割,等等. 较为常用的图像二值化方 ...

  2. &lbrack;python-opencv&rsqb;图像二值化【图像阈值】

    图像二值化[图像阈值]简介: 如果灰度图像的像素值大于阈值,则为其分配一个值(可以是白色255),否则为其分配另一个值(可以是黑色0) 图像二值化就是将灰度图像上的像素值设置为0或255,也就是将整个 ...

  3. Python&plus;OpenCV图像处理（十）—— 图像二值化

    简介:图像二值化就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程. 一.普通图像二值化 代码如下: import cv2 as cv import numpy ...

  4. python-opencv 图像二值化，自适应阈值处理

    定义:图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果. 一幅图像包括目标物体.背景还有噪声,要想从多值的数字图像中直接提取出目标物体,常用 ...

  5. opencv python 图像二值化&sol;简单阈值化&sol;大津阈值法

    pip install matplotlib 1简单的阈值化 cv2.threshold第一个参数是源图像,它应该是灰度图像. 第二个参数是用于对像素值进行分类的阈值, 第三个参数是maxVal,它表 ...

  6. opencv图像二值化的函数cvThreshold&lpar;&rpar;。 cvAdaptiveThreshol

    OpenCV中对图像进行二值化的关键函数——cvThreshold(). 函数功能:采用Canny方法对图像进行边缘检测 函数原型: void cvThreshold( const CvArr* sr ...

  7. 10、OpenCV Python 图像二值化

    __author__ = "WSX" import cv2 as cv import numpy as np #-----------二值化(黑0和白 255)---------- ...

  8. opencv python：图像二值化

    import cv2 as cv import numpy as np import matplotlib.pyplot as plt # 二值图像就是将灰度图转化成黑白图,没有灰,在一个值之前为黑, ...

  9. opencv-python图像二值化函数cv2&period;threshold函数详解及参数cv2&period;THRESH&lowbar;OTSU使用

    cv2.threshold()函数的作用是将一幅灰度图二值化,基本用法如下: #ret:暂时就认为是设定的thresh阈值,mask:二值化的图像 ret,mask = cv2.threshold(i ...

随机推荐

  1. POJ - 2041Unreliable Message

    这里的算法非常简单,就是“模拟”,注意编写每个传令官的算法时先分开测试,放在一起就会混淆. POJ - 2041Unreliable Message Time Limit: 1000MS Memory ...

  2. HDOJ-三部曲-1001-Flip Game

    Flip Game Time Limit : 2000/1000ms (Java/Other)   Memory Limit : 131072/65536K (Java/Other) Total Su ...

  3. Linux下ln链接命令详解

    ln是linux中又一个非常重要命令,它的功能是为某一个文件在另外一个位置建立一个不同的链接,这个命令最常用的参数是-s,具体用法是:ln –s 源文件 目标文件. 当我们需要在不同的目录,用到相同的 ...

  4. StackOverflow程序员推荐：每个程序员都应读的30本书

    “如果能时光倒流,回到过去,作为一个开发人员,你可以告诉自己在职业生涯初期应该读一本,你会选择哪本书呢?我希望这个书单列表内容丰富,可以涵盖很多东西.” 很多程序员响应,他们在推荐时也写下自己的评语. ...

  5. golang range遍历是新创建对象还是创建对象的引用

    golang range遍历是新创建对象还是创建对象的引用,通俗的讲就是range对range出来的对象的修改会不会同步到被遍历的那个数组.先看如下代码: package main import ( ...

  6. mysql批量查询

    一般批量查询的时候都是in关键字,但是在数据量大的时候,效率低下. 这个时候我们就可以考虑使用union . xml 核心代码 <select id="selectList" ...

  7. Spring boot&plus; logback环境下，日志存放路径未定义的问题

    日志路径未定义 环境:Spring boot + logback 配置文件: <configuration> <springProfile name="dev"& ...

  8. centos6使用yum安装python3和pip3

    在安装了epel源的情况下,直接yum就可以安装python3.4 #yum install python34 -y# python3 --versionPython 3.4.5 没有自带pip3,需 ...

  9. epoll—IO多路复用

    1.在socket.listen()后创一个epoll对象   epoll = select.epoll() 2.将server_socket注册到epoll中        epoll.regist ...

  10. PDO exec 执行时出错后如果修改数据会被还原？

    PDO exec 执行时出错后如果修改数据会被还原? 现象 FastAdmin 更新了 1127 版本,但是使用在线安装方式出现无法修改管理员密码的问题. 一直是默认的 admin 123456 密码 ...