OpenCV学习笔记（五）阈值化与自适应阈值化

  在对一幅图像进行处理时，很多时候我们都会用到二值化操作，如最常用的边缘检测算法：Canny边缘检测算法就要求执行前必须先转换为灰度图才行，但是在有的工程中遇到的问题，需要将灰度图转换为二值化图后再进行Canny才会有更好的效果。二值化操作也有注意点，如何最大可能的保存原图像的数据完整性，就需要严格设置阈值点了。OpenCV中提供两种阈值化方法，普通阈值化和自适应阈值化。

普通阈值化

OpenCV中提供的常规阈值化的函数为：
CVAPI(double) cvThreshold( const CvArr* src, CvArr* dst, double threshold, double max_value, int threshold_type );
其中：src为输入的原图像；dst为输出的目标图像（此函数的输入与输出图像可以为同一个图像，src与dst最好为单通道的灰度图才能有好的效果）；threshold为要设定的阈值；max_value为最大取值；threshold_type为阈值化操作的可选择类型，具体如下：

CV_THRESH_BINARY      =0,                                     /* value = value > threshold ? max_value : 0
CV_THRESH_BINARY_INV  =1,                                 /* value = value > threshold ? 0 : max_value       */
CV_THRESH_TRUNC       =2,                                     /* value = value > threshold ? threshold : value   */
CV_THRESH_TOZERO      =3,                                    /* value = value > threshold ? value : 0           */
CV_THRESH_TOZERO_INV  =4,                               /* value = value > threshold ? 0 : value           */
CV_THRESH_MASK        =7,
CV_THRESH_OTSU        =8                                       /* use Otsu algorithm to choose the optimal threshold value;
                             combine the flag with one of the above CV_THRESH_* values */

openCV中的测试结果如下图：

这里我设置的threshold为70，使用这种方法二值化后的图像显得不够好，丢失了很多图像信息。

自适应阈值化

上面使用普通阈值化操作得到的图像由于使用 70 为临界点进行二值化，有种“一刀切”的感觉，满足条件就为最大值 255 不满足条件就为 0，在有很强照明或者是反射梯度的图像中进行普通阈值化时就会导致有些地方的图像细节信息丢失。OpenCV中提供了一种更好的解决方法：自适应阈值化操作，函数为：
CVAPI(void) cvAdaptiveThreshold( const CvArr* src, CvArr* dst, double max_value, int adaptive_method CV_DEFAULT(CV_ADAPTIVE_THRESH_MEAN_C), int threshold_type CV_DEFAULT(CV_THRESH_BINARY), int block_size CV_DEFAULT(3), double param1 CV_DEFAULT(5));
其中：src与dst为输入原图像与输出目标图像（此函数的输入与输出图像不能为同一个）；
max_value为最大取值；
adaptive_method为自适应阈值取值方法，分为：
1、CV_ADAPTIVE_THRESH_MEAN_C （平均值法）
2、 CV_ADAPTIVE_THRESH_GAUSSIAN_C （高斯滤波取值法，即根据权重取平均值）；
threshold_type为取阈值类型：必须是CV_THRESH_BINARY或者CV_THRESH_BINARY_INV；
block_size为用来计算阈值的象素邻域大小: 3, 5, 7, …（只能取奇数，与高斯核有关）；
param1为与方法有关的参数。对方法 CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C来说，它是一个从均值或加权均值提取的常数,尽管它可以是负数。
对方法 CV_ADAPTIVE_THRESH_MEAN_C，先求出块中的均值，再减掉param1。
对方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C ，先求出块中的加权和(gaussian)，再减掉param1。

OpenCV中的测试结果图如下：

可以看出，自适应阈值化对图像中不同明亮度处的像素处理较普通阈值化来说要更有效一点；两种方法各有优劣，实际使用时还有结合工程项目情况来选取。

OpenCV实现代码

// Threshold_Filter.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include "highgui.h"
#include "cv.h"

using namespace std;
using namespace cv;
#define Threshold 70

int _tmain(int argc, _TCHAR* argv[])
{
	IplImage *image=NULL, *dst=NULL, *AdaptDst=NULL, *ResizeImage=NULL;
	image = cvLoadImage(".\\Tree.jpg",1);
	ResizeImage = cvCreateImage(cvSize(image->width/4, image->height/4),image->depth,image->nChannels);
	dst = cvCreateImage(cvGetSize(ResizeImage),ResizeImage->depth,1);
	AdaptDst = cvCreateImage(cvGetSize(ResizeImage),ResizeImage->depth,1);
	namedWindow("src",CV_WINDOW_AUTOSIZE);
	namedWindow("dst",CV_WINDOW_AUTOSIZE);
	cvResize(image,ResizeImage,CV_INTER_AREA);  //原图尺寸太大,用此函数调整为原图的1/4大小

	cvCvtColor(ResizeImage,dst,CV_BGR2GRAY);   //二值化前先灰度化才有好的效果
	//cvThreshold(dst,dst,Threshold,255,CV_THRESH_BINARY);  //二值化  0 ? 255
	cvAdaptiveThreshold(dst,AdaptDst,255,CV_ADAPTIVE_THRESH_GAUSSIAN_C,CV_THRESH_BINARY,3,5);

	cvShowImage("src",ResizeImage);
	cvShowImage("dst",AdaptDst);
	waitKey(0);
	cvReleaseImage(&image);
	cvReleaseImage(&ResizeImage);
	cvReleaseImage(&dst);
	cvReleaseImage(&AdaptDst);
	destroyAllWindows();

	return 0;
}