OpenCV阈值分割（四）——熵算法

以下是使用 OpenCV 和熵算法进行图像阈值分割的 C++ 代码示例：

#include 
#include 

using namespace cv;
using namespace std;

double calculateEntropy(Mat& image, int threshold)
{
    int hist[256] = {0};
    int total = 0;
    for (int i = 0; i < image.rows; i++)
    {
        uchar* row = image.ptr(i);
        for (int j = 0; j < image.cols; j++)
        {
            hist[row[j]]++;
            total++;
        }
    }
    double entropy = 0.0;
    for (int i = 0; i < 256; i++)
    {
        if (hist[i] > 0)
        {
            double p = (double)hist[i] / total;
            entropy -= p * log2(p);
        }
    }
    return entropy;
}

int main(int argc, char** argv)
{
    // 读取输入图像
    Mat src = imread("input.jpg", IMREAD_GRAYSCALE);

    // 判断图像是否加载成功
    if (src.empty())
    {
        cout << "Error: Failed to load image." << endl;
        return -1;
    }

    // 计算阈值
    double maxEntropy = 0;
    int bestThreshold = 0;
    for (int i = 0; i < 256; i++)
    {
        Mat binary;
        threshold(src, binary, i, 255, THRESH_BINARY);
        double entropy = calculateEntropy(binary, i);
        if (entropy > maxEntropy)
        {
            maxEntropy = entropy;
            bestThreshold = i;
        }
    }

    // 应用阈值
    Mat dst;
    threshold(src, dst, bestThreshold, 255, THRESH_BINARY);

    // 显示结果图像
    imshow("Input Image", src);
    imshow("Output Image", dst);

    // 等待用户按下任意按键退出程序
    waitKey(0);

    return 0;
}

在上述代码中，我们首先使用 `imread` 函数读取输入图像，并判断是否成功加载。然后，我们使用自定义的 `calculateEntropy` 函数计算给定阈值下的熵值。接下来，我们使用 `threshold` 函数在图像上应用不同的阈值，并计算每个阈值下的熵值。最后，我们选择具有最大熵值的阈值，并将其用于二值化图像，生成输出图像。最后，我们使用 `imshow` 函数将输入和输出图像显示出来。最后，我们使用 `waitKey` 函数等待用户按下任意按键，以便退出程序。