Opencv 笔记2 全局固定阈值二值化和局部自适应阈值二值化

一、二值化

 二值化是将一张单通道的图像中的像素分别设为0或者255 的操作，在数字图像处理的过程中这个一部分是很重要的，halcon 中有9个二值化的算子，每个用法都有各自的优势，这个等后面复习halcon 的时候再总结一下，然后和Opencv的二值化做一个对比，这里只说threshold和adaptiveThreshold算子

二、全局固定二值化-threshold

double threshold( 
const Mat& src,  // 必须是   8/32  位的图像
Mat& dst, 
double thresh, // 手动输入的阈值0-255
double maxVal,  // 最大阈值 一般都是255
int thresholdType // 这个是最重要的一个参数：阈值类型，有如下几个类型：
src(x,y) 表示原图的(x，y)点的像素值,thresh，手动输入的参数值，maxVal 最大值：
          THRESH_BINARY：src(x,y)>thresh?maxVal:0;
          THRESH_BINARY_INV：src(x,y)>thresh?0:maxVal;
          THRESH_TRUNC: src(x,y)>thresh?thresh:src(x,y);(大于阈值=阈值，其他不变)
          THRESH_TOZERO：src(x,y)>thresh?src(x,y):0;(大于阈值=原值，其他0)
          THRESH_TOZERO_INV：src(x,y)>thresh?0:src(x,y);
          THRESH_OTSU:不支持32位的，只支持8位的，非常适合有双峰的图像，
          THRESH_TRIANGLE:不支持32位的，只支持8位的，适合单个波峰

)

代码显示如下：

int  type_value = 2;
int  type_Max = 5;

Mat src, src_gray, dest1, dest2;
int threshold_value = 127;
int threshold_max = 255;
const  char* output_litle = "Binary_out_demo";
void  Threshold_Demo(int, void*);
void  Threshold_Demo(int, void*)
{
	cvtColor(src, src_gray, CV_BGR2GRAY);

	threshold(src_gray, dest1, threshold_value, threshold_max, type_value);

	imshow(output_litle, dest1);
}


int main(int args, char* arg)
{

	// point  
	src = imread("C:\\Users\\19473\\Desktop\\opencv_images\\88.jpg");
	if (!src.data)
	{
		printf("could not  load  image....\n");
	}
	//1 显示灰色图像
	namedWindow("input_demo", CV_WINDOW_AUTOSIZE);
	namedWindow(output_litle, CV_WINDOW_AUTOSIZE);
	imshow("input_demo", src);


	createTrackbar("Threshold Value:", output_litle, &threshold_value, threshold_max, Threshold_Demo);
	createTrackbar("Threshold Model:", output_litle, &type_value, type_Max, Threshold_Demo);
	Threshold_Demo(0, 0);
	waitKey(0);
	return -1;
}

三、局部自动阈值

​adaptiveThreshold(
InputArray src, // 必须是8位的图像
 OutputArray dst,
 double local,// 局部的阈值，0-255
 int adaptiveMethod, // 在邻域块中计算阈值用的方法，有两个：
            ADAPTIVE_THRESH_MEAN_C：表示计算出领域的   平均值 -C（输入的第七个参数）
            ADAPTIVE_THRESH_GAUSSIAN_C：表示计算出领域的  高斯均值 - C（输入的第七个参数）
int thresholdType, // 阈值类型，有两个类型：
                THRESH_BINARY: src(x,y)>local?255:0;
                THRESH_BINARY_INV :与THRESH_BINARY 相反
int blockSize, // 邻域块的大小，奇数
double C  // 是一个偏移量 
)

图像显示

代码显示

int  block_size = 10;
int  size_Max = 40;

Mat src, src_gray, dest1, dest2;
int local_threshold_value = 127;
int local_threshold_max = 255;
const  char* output_litle = "Binary_out_demo";
void  adaptiveThreshold_Demo(int, void*);
void  adaptiveThreshold_Demo(int, void*)
{
	cvtColor(src, src_gray, CV_BGR2GRAY);
	src_gray.convertTo(src_gray, CV_8UC1);
	int  size_s = 2 * block_size + 1;
	adaptiveThreshold(src_gray, dest1, local_threshold_value, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, size_s,10);
	imshow(output_litle, dest1);
}


int main(int args, char* arg)
{

	// point  
	src = imread("C:\\Users\\19473\\Desktop\\opencv_images\\88.jpg");
	if (!src.data)
	{
		printf("could not  load  image....\n");
	}
	//1 显示灰色图像
	namedWindow("input_demo", CV_WINDOW_AUTOSIZE);
	namedWindow(output_litle, CV_WINDOW_AUTOSIZE);
	imshow("input_demo", src);


	createTrackbar("local Value:", output_litle, &local_threshold_value, 255, adaptiveThreshold_Demo);
	createTrackbar("local Model:", output_litle, &block_size, size_Max, adaptiveThreshold_Demo);
	adaptiveThreshold_Demo(0, 0);
	waitKey(0);
	return -1;
}

 待续。。。。。。