opencv阈值操作threshold以及图像二值化

男娘i 2022-12-30 07:40 192阅读 0赞

# 什么是阈值 #

*  最简单的分割方法
 *  应用示例：分离对应于我们想要分析的对象的图像的区域。该分离基于对象像素和背景像素之间的强度变化。
 *  为了区分我们感兴趣的像素（其最终将被拒绝），我们对每个像素强度值相对于阈值进行比较（根据要解决的问题确定）。
 *  一旦我们正确分离了重要的像素，我们可以用一个确定的值来设置它们来识别它们（即我们可以为它们分配值（黑色），（白色）或适合您需要的任何值）。0~255。

![20201225150717506.png][]

# 阈值化的类型 #

*  OpenCV中提供了阈值（threshold）函数： [threshold][] 。
 *  这个函数有8种阈值化类型

> 1.  CV\_THRESH\_BINARY =0, /\*\*< value = value > threshold ? max\_value : 0 \*/
> 2.  CV\_THRESH\_BINARY\_INV =1, /\*\*< value = value > threshold ? 0 : max\_value \*/
> 3.  CV\_THRESH\_TRUNC =2, /\*\*< value = value > threshold ? threshold : value \*/
> 4.  CV\_THRESH\_TOZERO =3, /\*\*< value = value > threshold ? value : 0 \*/
> 5.  CV\_THRESH\_TOZERO\_INV =4, /\*\*< value = value > threshold ? 0 : value \*/
> 6.  CV\_THRESH\_MASK =7,
> 7.  CV\_THRESH\_OTSU =8, 使用Otsu算法选择最优阈值; 将标志与以上CV\_THRESH\_ \*值之一组合
> 8.  CV\_THRESH\_TRIANGLE =16 使用Triangle算法选择最佳阈值

*  为了解释阈值分割的过程，我们来看一个简单有关像素灰度的图片，该图如下。该图中的蓝色水平线代表着具体的一个阈值。

![20201225151223536.png][]

## 二进制阈值化：THRESH\_BINARY =0 ##

该阈值化类型如下式所示:

![20201225151059102.png][]

解释：在运用该阈值类型的时候，先要选定一个特定的阈值量，比如：125，这样，新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于125的像素点的灰度值设定为0。

![20201225151200751.png][]

## 反二进制阈值化：THRESH\_BINARY\_INV =1 ##

该阈值类型如下式所示：

![20201225151340101.png][]

解释：该阈值化与二进制阈值化相似，先选定一个特定的灰度值作为阈值，不过最后的设定值相反。（在8位灰度图中，例如大于阈值的设定为0，而小于该阈值的设定为255）。

![20201225151412505.png][]

## 截断阈值化：THRESH\_TRUNC =2 ##

![20201225151506903.png][]

解释：同样首先需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。（例如：阈值选取为125，那小于125的阈值不改变，大于125的灰度值（230）的像素点就设定为该阈值）。

![20201225151545418.png][]

## 阈值化为0：THRESH\_TOZERO =3 ##

![20201225151617337.png][]

解释：先选定一个阈值，然后对图像做如下处理：1 像素点的灰度值大于该阈值的不进行任何改变；2 像素点的灰度值小于该阈值的，其灰度值全部变为0。

![20201225151645309.png][]

## 反阈值化为0：THRESH\_TOZERO\_INV =4 ##

![20201225151730207.png][]

解释：原理类似于0阈值，但是在对图像做处理的时候相反，即：像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

![2020122515175210.png][]

## THRESH\_OTSU类型 ##

threshold(srcImg,0,255,THRESH_BINARY | THRESH_OTSU)

**我们自己不一定能够找到一个最好的阈值，去二分化图像，所以我们需要算法自己去寻找一个阈值，而THRESH\_OTSU就可以满足这个需求，去找到一个最好的阈值。 注意：它非常适用于图像灰度直方图具有双峰的情况，他会在双峰之间找到一个值作为阈值，对于非双峰图像，可能并不是很好用。 因为THRESH\_OTSU方法会产生一个阈值，那么函数threshold的的第二个参数（设置阈值）就是0（None）了，并且在threshold的方法参数中还得加上语句THRESH\_OTSU。**

## THRESH\_TRIANGLE类型（有丢失）适用于单个波峰 ##

threshold(gray,0,255,THRESH_BINARY | THRESH_TRIANGLE)

THRESH\_OTSU和THRESH\_TRIANGLE和前面的说到的二值化方法组合使用，**好处是不用自己指定thresh值**，系统会进行计算并且作为返回值返回。

区别是： THRESH\_OTSU最适用于双波峰 THRESH\_TRIANGLE最适用于单个波峰，最开始用于医学分割细胞等。

# 函数 #

函数原型：

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

> /\*\* @brief Applies a fixed-level threshold to each array element.对每个数组元素应用一个固定级别的阈值。
> 
> The function applies fixed-level thresholding to a multiple-channel array. The function is typically
> 
> used to get a bi-level (binary) image out of a grayscale image ( \#compare could be also used for
> 
> this purpose) or for removing a noise, that is, filtering out pixels with too small or too large
> 
> values. There are several types of thresholding supported by the function. They are determined by
> 
> type parameter.
> 
> 该函数对多通道矩阵应用固定级别阈值。该函数通常用于从灰度图像中获得一个二值图像(\#compare也可用于此目的)或去除噪声，即过滤出值过小或过大的像素。该函数支持几种类型的阈值设置。它们由类型参数决定。
> 
> Also, the special values \#**THRESH\_OTSU** or \#**THRESH\_TRIANGLE** may be combined with one of the
> 
> above values. In these cases, the function determines the optimal threshold value using the Otsu's
> 
> or Triangle algorithm and uses it instead of the specified thresh.
> 
> 另外，特殊值\#THRESH OTSU或\#THRESH TRIANGLE也可以与上述值中的一个结合使用。在这些情况下，函数使用Otsu的或Triangle算法确定最佳阈值，并使用它而不是指定的阈值。
> 
> @note Currently, the Otsu's and Triangle methods are implemented only for 8-bit single-channel images.当前，仅对8位单通道图像实施Otsu和Triangle方法。
> 
> @param **src** input array (multiple-channel, 8-bit or 32-bit floating point).输入数组（多通道，8位或32位浮点）。
> 
> @param **dst** output array of the same size and type and the same number of channels as src.输出数组的大小和类型与src具有相同的通道数。
> 
> @param **thresh** threshold value.阈值。
> 
> @param **maxval** maximum value to use with the \#THRESH\_BINARY and \#THRESH\_BINARY\_INV thresholding types. \#THRESH\_BINARY和\#THRESH\_BINARY\_INV阈值使用的最大值类型。
> 
> @param **type** thresholding type (see \#ThresholdTypes).阈值类型（请参阅\#ThresholdTypes）。
> 
> @return the computed threshold value if Otsu's or Triangle methods used .如果使用Otsu或Triangle方法，则返回计算出的阈值。

#include "opencv2/imgproc.hpp"
    #include "opencv2/imgcodecs.hpp"
    #include "opencv2/highgui.hpp"
    using namespace cv;
    int threshold_value = 0;
    int threshold_type = 3;
    int const max_value = 255;
    int const max_type = 4;
    int const max_BINARY_value = 255;
    Mat src, src_gray, dst;
    const char* window_name = "Threshold Demo";
    const char* trackbar_type = "Type: \n 0: Binary \n 1: Binary Inverted \n 2: Truncate \n 3: To Zero \n 4: To Zero Inverted";
    const char* trackbar_value = "Value";
    void Threshold_Demo(int, void*);
    int main(int argc, char** argv)
    {
    	String imageName("2.jpg"); // by default
    	if (argc > 1)
    	{
    		imageName = argv[1];
    	}
    	src = imread(imageName, IMREAD_COLOR); // Load an image
    	if (src.empty())
    	{
    		return -1;
    	}
    	cvtColor(src, src_gray, COLOR_BGR2GRAY); // Convert the image to Gray
    	namedWindow(window_name, WINDOW_AUTOSIZE); // Create a window to display results
    	createTrackbar(trackbar_type,
    		window_name, &threshold_type,
    		max_type, Threshold_Demo); // Create Trackbar to choose type of Threshold
    	createTrackbar(trackbar_value,
    		window_name, &threshold_value,
    		max_value, Threshold_Demo); // Create Trackbar to choose Threshold value
    	Threshold_Demo(0, 0); // Call the function to initialize
    	for (;;)
    	{
    		char c = (char)waitKey(20);
    		if (c == 27)
    		{
    			break;
    		}
    	}
    }
    void Threshold_Demo(int, void*)
    {
    	/* 0: Binary 二进制阈值
    	   1: Binary Inverted  反二进制阈值
    	   2: Threshold Truncated 截断阈值
    	   3: Threshold to Zero 0阈值
    	   4: Threshold to Zero Inverted 反0阈值
    	 */
    	threshold(src_gray, dst, threshold_value, max_BINARY_value, threshold_type);
    	imshow(window_name, dst);
    }

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70][]![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70 1][]![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70 2][]

# 二值化操作 #

#include "opencv2/imgproc/imgproc.hpp"  
    
    #include "opencv2/highgui/highgui.hpp"  
    
    #include <iostream>
    
    using namespace cv;
    
    using namespace std;
    
    void main()
    
    {
    
    	//定义变量
    	Mat img,result1,result2;
    	//设定阈值
    	int threshval = 170;
    
    	//载入图片  
    
    	img = imread("4.jpg", 0);
    
    	// 方法一，使用阈值操作转为二值图  
    	//使用二进制阈值化THRESH_BINARY，像素值大于阈值threshval的变为255，小于threshval的变为0
    	threshold(img, result1, 0, 255, THRESH_OTSU);
    
    	//方法二,如果阈值小于100，那么中间为真，即像素值小于160的为1，大于160的为0；如果阈值大于100，那么右边为真，即像素值大于160的为1，小于160的为0.
    	result2 = threshval < 100 ? (img < 160) : (img > 160);//二值化
    	//显示原图  
    	namedWindow("Image");
    	imshow("Image", img);
    	// 显示二值图 
    
    	namedWindow("使用阈值操作二值化后的图像");
    
    	imshow("使用阈值操作二值化后的图像", result1);
    
    	namedWindow("二值化后的图像");
    	imshow("二值化后的图像", result2);
    
    	waitKey(0);
    
    }

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70 3][]

[20201225150717506.png]: /images/20221120/4c80f1c74e484d95a9694f16b9ca8128.png
[threshold]: http://opencv.willowgarage.com/documentation/cpp/miscellaneous_image_transformations.html#cv-threshold
[20201225151223536.png]: https://img-blog.csdnimg.cn/20201225151223536.png
[20201225151059102.png]: https://img-blog.csdnimg.cn/20201225151059102.png
[20201225151200751.png]: https://img-blog.csdnimg.cn/20201225151200751.png
[20201225151340101.png]: https://img-blog.csdnimg.cn/20201225151340101.png
[20201225151412505.png]: https://img-blog.csdnimg.cn/20201225151412505.png
[20201225151506903.png]: https://img-blog.csdnimg.cn/20201225151506903.png
[20201225151545418.png]: https://img-blog.csdnimg.cn/20201225151545418.png
[20201225151617337.png]: https://img-blog.csdnimg.cn/20201225151617337.png
[20201225151645309.png]: https://img-blog.csdnimg.cn/20201225151645309.png
[20201225151730207.png]: https://img-blog.csdnimg.cn/20201225151730207.png
[2020122515175210.png]: https://img-blog.csdnimg.cn/2020122515175210.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20201225165410139.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20201225165436780.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20201225165454346.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/2020122517290086.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1b2xhaWh1YTIwMTg=,size_16,color_FFFFFF,t_70