opencv（Python/c++）:阈值化+hsv（重要！！）Threshold函数+hsv通道分离

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者高于一定值的像素（例如只想要图中红色的东西，这就派上用场了）

Threshold函数

• THRESH_BINARY（二进制阈值：二值阈值化（某范围保留，其余为0黑色））二值中的maxval很重要，根据thresh和maxval就相当于取范围了

$$dst(x,y)=\{\begin{array}{ll}maxval,& ifsrc(x,y)>thresh\\ 0,& otherwises\end{array}$$

• THRESH_BINARY_INV（反二进制阈值）
  $$dst(x,y)=\{\begin{array}{ll}0,& ifsrc(x,y)>thresh\\ maxval,& otherwises\end{array}$$
• THRESH_TRUNC(截断阈值：截断阈值)

$$dst(x,y)=\{\begin{array}{ll}threshold,& ifsrc(x,y)>thresh\\ src(x,y),& otherwises\end{array}$$

• THRESH_TOZERO(反阈值化为0:超过阈值为0)
  $$dst(x,y)=\{\begin{array}{ll}src(x,y),& ifsrc(x,y)>thresh\\ 0,& otherwises\end{array}$$
• THRESH_TOZERO_INV(阈值化为0：低于阈值为0)
  $$dst(x,y)=\{\begin{array}{ll}0,& ifsrc(x,y)>thresh\\ src(x,y),& otherwises\end{array}$$

adaptiveThreshold函数

补充知识点：hsv通道

这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。
其中H：（360度）
从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

c++版本

• hsv通道分离
  代码：

#include 
#include 
#include 
#include 
#include 
using namespace std;
using namespace cv;



int main(int argc, char *argv[])
{
    //加载图像
    Mat srcImage=imread("/home/liuxin/桌面/opencv/buff.png");
    imshow("原始图",srcImage);

    //变换成hsv通道
    Mat hsvImage;
    cvtColor(srcImage,hsvImage,COLOR_BGR2HSV);

    //分割split 与合并merge
    vector<Mat> hsvsplit;//hsv的分离通道
    split(hsvImage,hsvsplit);
    imshow("明度",hsvsplit[0]);// v 明度
    imshow("饱和度",hsvsplit[1]);// s 饱和度
    imshow("色调",hsvsplit[2]);// h 色调
   while(1)
   {
       int key=cvWaitKey(10);
   if (key==27)
   {
       break;
   }
   }
   return(0);


}

• 二值化（阈值化）
  注意该结果只是提取了蓝色的因素，因此5号边缘还残留的也保存下来，解决办法是在明度v上也设定范围，这样不够亮的就被去除掉了
  

#include 
#include 
#include 
#include 
#include 
using namespace std;
using namespace cv;



int main(int argc, char *argv[])
{
    //加载图像
    Mat srcImage=imread("/home/liuxin/桌面/opencv/buff.png");
    imshow("原始图",srcImage);

    //变换成hsv通道
    Mat hsvImage;
    cvtColor(srcImage,hsvImage,COLOR_BGR2HSV);
    imshow("未增强色调的hsv图片",hsvImage);

    //分割split 与合并merge
    vector<Mat> hsvsplit;//hsv的分离通道
    split(hsvImage,hsvsplit);
    equalizeHist(hsvsplit[2],hsvsplit[2]);//直方图均衡化，增强对比度，hsvsplit[2]为返回的h
    merge(hsvsplit,hsvImage);//在色调调节后，重新合并
    imshow("增强色调对比度后的hsv图片",hsvImage);
    Mat thresHold;
    threshold(hsvsplit[2],thresHold,240,245,THRESH_BINARY);
    imshow("二值化后图片",thresHold);




   while(1)
   {
       int key=cvWaitKey(10);
   if (key==27)
   {
       break;
   }
   }
   return(0);


}