OpenCV开发笔记（三十一）：红胖子8分钟带你深入了解双阈值化（图文并貌+浅显易懂+程序源码）

若该文为原创文章，未经允许不得转载
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/104858803
各位读者，知识无穷而人力有穷，要么改需求，要么找专业人士，要么自己研究

红胖子(红模仿)的博文大全：开发技术集合（包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等）持续更新中...（点击传送门）

OpenCV开发专栏（点击传送门）

上一篇：《OpenCV开发笔记（三十）：带你学习图像识别之经典OTSU算法阈值化》

下一篇：《OpenCV开发笔记（三十二）：红胖子8分钟带你深入了解半阈值化（图文并貌+浅显易懂+程序源码）》

 

前言

红胖子来也！！！

今天来说说双阈值化，双阈值化可以理解为是对阈值化的操作升级，关键是加了矩阵像素点与或非的这么一个操作，嘿！别小看与或非，这个操作将来用处可大了，尤其是分离图像处理，叠加图像。

 

Demo

 

双阈值化

概述

       对于图像中有明显的双分界特征，可以优先考虑双阈值方法进行二值化的操作，根据双阈值化的操作，可以假定一个下限阈值和一个上限阈值，当像素点的值在上下限阈值范围内，则达到阈值，低于下限和高于上限则不做操作。

       假设，灰度图像分为0~255级别，当我们需要中间100~200进行阈值化，那么可以设置下限100和上限200，那么区间[0,100]和{200,255]则与区间(100,200)可以分割开。

       推到公式如下：

阈值化函数原型

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

• 参数一：InputArray类型，一般是cv::Mat，且可以处理多通道，8或者32位浮点（注意：当使用THRESH_BINARY处理多通道的时候，每个通道都会进行阈值化，比如RGB三通道，那么可能R比G,B大，当阈值设置为大于G、B小于R时，则R为最大是，显示红色，其他类型的阈值形式类推）。
• 参数二；OutputArray类型，输出的目标图像，需要和原图片有一样的尺寸和类型。
• 参数三：double类型的thresh，阈值。
• 参数四：double类型的maxval，与“THRESH_BINARY”枚举和“THRESH_BINARY_INV”枚举一起使用才有效果，其他枚举忽略。
• 参数五：int类型的type，阈值类型。

与或非操作函数原型

void bitwise_and(InputArray src1,
               InputArray src2,
               OutputArray dst,
               InputArray mask = noArray());

• 参数一：InputArray类型，一般是cv::Mat。
• 参数二：InputArray类型，一般是cv::Mat。
• 参数三；OutputArray类型，输出的目标图像，需要和原图片有一样的尺寸和类型。
• 参数四：InputArray类型mask，掩码可选操作掩码，8位单通道阵列指定要更改的输出数组的元素。

 

Demo源码

void OpenCVManager::testDoubleThreshold()
{
    QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/8.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    int width = 300;
    int height = 200;
    cv::resize(srcMat, srcMat, cv::Size(width, height));

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);

    if(!srcMat.data)
    {
        qDebug() << __FILE__ << __LINE__
                 << "Failed to load image:" << fileName1;
        return;
    }

    qDebug() << __FILE__ << __LINE__
             << "Succeed to load image, type =" << srcMat.type()
             << "channels = " << srcMat.channels();

    cv::Mat dstMat;
    dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 3, dstMat.rows * 2),
                                srcMat.type());

    int minThresh = 100;
    int maxThresh = 200;
    int maxVal = 255;

    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);
        // 原图先copy到左边
        cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
                                    cv::Range(0, srcMat.cols));
        cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);

        // 调整阈值化的参数thresh
        cvui::printf(windowMat, width * 2 + 50, 0 + height * 0, "minThresh");
        cvui::trackbar(windowMat, width * 2 + 50, 15 + height * 0, 200, &minThresh, 0, 255);

        // 调整阈值化的参数thresh
        cvui::printf(windowMat, width * 2 + 50, 60 + height * 0, "maxThresh");
        cvui::trackbar(windowMat, width * 2 + 50, 75 + height * 0, 200, &maxThresh, 0, 255);

        // 调整阈值化的参数maxval
        cvui::printf(windowMat, width * 2 + 50, 120 + height * 0, "maxVal");
        cvui::trackbar(windowMat, width * 2 + 50, 135 + height * 0, 200, &maxVal, 0, 255);

        // 转换成灰度图像
        cv::Mat grayMat;    // 多通道
        cv::Mat grayMat2;   // 单通道
#if 1
        // CV_XXXX 与 cv::COLOR_BGR2GRAY 实际并没有区别 是高低版本表现形式的问题
        cv::cvtColor(srcMat, grayMat2, CV_BGR2GRAY);
        cv::cvtColor(grayMat2, grayMat, CV_GRAY2BGR);
#else
        cv::cvtColor(srcMat, grayMat2, cv::COLOR_BGR2GRAY);
        cv::cvtColor(grayMat2, grayMat, cv::COLOR_GRAY2BGR);
#endif
        // 效果图copy
        cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
                                     cv::Range(srcMat.cols * 1, srcMat.cols * 2));
        cv::addWeighted(rightMat, 0.0f, grayMat, 1.0f, 0.0f, rightMat);

        {
            cv::Mat threadMatMin;
            cv::Mat threadMatMax;
            cv::Mat threadMatMin2;
            cv::Mat threadMatMax2;
            // 最小值的阈值化：低于最大值得置0，高于最小值的为255
            cv::threshold(grayMat2, 
                          threadMatMin,
                          minThresh, 
                          maxVal, 
                          cv::THRESH_BINARY);
            // 单通道转为3通道（窗口为3通道的mat）
            cv::cvtColor(threadMatMin, threadMatMin2, CV_GRAY2BGR);
            // 效果图copy
            cv::Mat mat1 = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                       cv::Range(srcMat.cols * 0, srcMat.cols * 1));
            cv::addWeighted(mat1, 0.0f, threadMatMin2, 1.0f, 0.0f, mat1);

            // 最大值的阈值化: 大于最大值的反倒置0，低于最大值的为255
            cv::threshold(grayMat2,
                          threadMatMax, 
                          maxThresh, 
                          maxVal, 
                          cv::THRESH_BINARY_INV);
            // 单通道转为3通道（窗口为3通道的mat）
            cv::cvtColor(threadMatMax, threadMatMax2, CV_GRAY2BGR);
            // 效果图copy
            cv::Mat mat2 = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                       cv::Range(srcMat.cols * 1, srcMat.cols * 2));
            cv::addWeighted(mat2, 0.0f, threadMatMax2, 1.0f, 0.0f, mat2);

            // 然后将两者进行与计算
            cv::bitwise_and(threadMatMin, threadMatMax, dstMat);
            // 单通道转为3通道（窗口为3通道的mat）
            cv::cvtColor(dstMat, dstMat, CV_GRAY2BGR);
            // 效果图copy
            cv::Mat center = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                       cv::Range(srcMat.cols * 2, srcMat.cols * 3));
            cv::addWeighted(center, 0.0f, dstMat, 1.0f, 0.0f, center);
        }

        // 更新
        cvui::update();
        // 显示
        cv::imshow(windowName, windowMat);
        // esc键退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}

 

工程模板：对应版本号v1.26.0

       对应版本号v1.26.0

 

上一篇：《OpenCV开发笔记（三十）：带你学习图像识别之经典OTSU算法阈值化》

下一篇：《OpenCV开发笔记（三十二）：红胖子8分钟带你深入了解半阈值化（图文并貌+浅显易懂+程序源码）》

原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/104858803