图像的OTSU阈值化、双阈值化、半阈值化的原理及OpenCV代码实现

本文的基础是OpenCV的函数threshold()，关于函数threshold()的详细介绍，大家可以参考下面这篇博文：
https://www.hhai.cc/thread-162-1-1.html

一、图像的OTSU阈值化
在阈值化处理中，OTSU是一种常用的算法，中文译为大津法或最大类间方差法。
它是1979年由日本学者大津展之提出的一种对图像进行二值化的高效算法，是在判别与最小二乘法原理的基础上推导出来的。
它的基本思路是把直方图在某一阈值处分割成两组，当被分成的两组间方差为最大时，这一阈值为“决定阈值”。

OTSU的算法步骤如下：
⑴统计灰度级中每个像素在整幅图像中的个数。
⑵计算每个像素在整幅图像的概率分布。
⑶对灰度级进行遍历搜索，计算当前灰度值下前景背景类间概率。
⑷通过目标函数计算出类内与类间方差下对应的阈值。
更具体的原理介绍大家可以参考下面这篇博文：
https://blog.csdn.net/weixin_44227356/article/details/116031602

图像的OTSU阈值化可以直接由函数threshold()实现，具体实现的代码我已经写在下面这篇博文中了：
https://www.hhai.cc/thread-162-1-1.html【打开页面后搜索“当type取值为THRESH_OTSU 、THRESH_TRIANGLE时的示例代码”】

在上面链接的博文中我已经说了，函数threshold()的Python版才会返回进行阈值化时所使用的阈值，C++版本则不会，所以在OpenCV-C++环境下，函数threshold()使用OTSU算法进行阈值化处理时用的阈值我们是不知道的。如果想知道OTSU算法的阈值是多少，只有自己根据OTSU算法的原理写出代码进行计算。
这里昊虹君根据OTSU算法的原理写了一个计算OTSU阈值计算的函数，
具体的代码请大家访问本博文的原文获取，
本博文原文链接如下：
https://www.hhai.cc/thread-165-1-1.html
运行结果如下：

上面的阈值与我们在Python-OpenCV环境下使用函数threshold()得到的OTSU阈值是一样的：

上面这张截图来源于下面这篇博文：
https://www.hhai.cc/thread-162-1-1.html

二、图像的双阈值化
有时候图像中有明显的双分界特征，我们考虑用双阈值法进行阈值化操作。
所谓双阈值化是指对于两个阈值thresh1<thresh2，将大于thresh1且小于thresh2的灰度值设定为maxval，其余的灰度值设为0。
其数学表达式如下：
d s t ( x , y ) = { m a x v a l t h r e s h 2 > s r c ( x , y ) > t h r e s h 1 0 其它 dst(x,y)=\left\{\begin{matrix} maxval & thresh2>src(x,y)>thresh1 \\0 & 其它 \end{matrix}\right. dst(x,y)={maxval0thresh2>src(x,y)>thresh1其它
可以用函数threshold()实现图像的双阈值化，其C++代码如下：

//出处：昊虹AI笔记网(hhai.cc)
//用心记录计算机视觉和AI技术//博主微信/QQ 2487872782
//QQ群 271891601
//欢迎技术交流与咨询//OpenCV版本 OpenCV3.0#include <opencv2/opencv.hpp>
#include <iostream>using namespace std;
using namespace cv;int main()
{cv::Mat A1 = (cv::Mat_<uchar>(2, 3) << 0, 10, 50,80, 150, 255);cout << "A1中的数据为：\n" << A1 << endl << endl;double low_threshold = 70;double high_threshold = 180;double maxval1 = 222;Mat B1, B2, B3, B4, B5;// 小阈值对图像或矩阵进行阈值化操作threshold(A1, B1, low_threshold, maxval1, THRESH_BINARY);cout << "B1中的数据为：\n" << B1 << endl << endl;// 大阈值对图像或矩阵进行阈值化操作threshold(A1, B2, high_threshold, maxval1, THRESH_BINARY_INV);cout << "B2中的数据为：\n" << B2 << endl << endl;// 矩阵与运算得到阈值化结果cv::bitwise_and(B1, B2, B3);cout << "B3中的数据为：\n" << B3 << endl << endl;return(0);
}

运行结果如下图所示：

从上面的运行结果我们可以看出，原矩阵中介于阈值70到180之间的灰度值被置为了222，其它灰度值被置为了0。

二、图像的半阈值化
如果图像中有明显的目标与背景的差异特征，那么进行阈值化操作时，可以使用半阈值化进行操作。
半阈值化操作时，大于thresh的灰度值不变，其余灰度值置为0。
半阈值化的数学表达式如下：

函数threshold()，当参数type取值为“THRESH_TOZERO”时，实际上就是作的图像的半阈值化操作。
示例代码之前在博文https://www.hhai.cc/thread-162-1-1.html中就已经给出了，这里就不再给了。

图像的OTSU阈值化、双阈值化、半阈值化的原理及OpenCV代码实现相关推荐

html文档半结构化数据,什么是半结构化数据(semi-structured data)?
半结构化数据的定义我们在设计一个信息系统时必然涉及到数据的存储,而数据存储用得最多的就是关系数据库.通常我们会将数据按业务分类,并设计相应的表,然后将对应的信息保存到相应的表中.比如一个企业信息管理 ...
html文档半结构化数据,什么是半结构化数据？
要考虑半结构化数据是什么,让我们从类比开始 – 采访. 假设您正在进行半结构化访谈.顾名思义,这在介于结构化和非结构化的访谈之间. 对于上下文,结构化访谈是指您的人力资源团队预先确定所询问的问题以及询 ...
图像的线性变换的原理及OpenCV代码实现~
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 图像的线性变换是图像处理的基本运算,通常应用在调 ...
图像的Gamma(伽玛)校正的原理及OpenCV代码实现
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 Gamma校正的原理很简单,就一个很简单的表达式 ...
基于MaxCompute SQL 的半结构化数据处理实践
简介: MaxCompute作为企业级数据仓库服务,集中存储和管理企业数据资产.面向数据应用处理和分析数据,将数据转换为业务洞察.通过与阿里云内.外部服务灵活组合,可构建丰富的数据应用.全托管的数据与 ...
Azure 数据基础知识探究核心数据概念-半结构化数据和非结构化数据
描述非关系数据的类型非关系数据通常分为两类:半结构化和非结构化. 什么是半结构化数据? 半结构化数据是包含字段的数据. 每个实体中的字段不必相同. 只需基于每个实体依据来定义字段. 上一单元中介绍的 ...
图像特征检测描述(一):SIFT、SURF、ORB、HOG、LBP特征的原理概述及OpenCV代码实现
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 什么叫特征检测?就是检测图像中目标的特征呗,所谓 ...
C#，图像二值化（06）——全局阈值的大津算法（OTSU Thresholding）及其源代码
1.大津算法OTSU ALGORITHM OTSU算法效果很一般. 最大类间方差法是1979年由日本学者大津(Nobuyuki Otsu)提出的,是一种自适应阈值确定的方法,又叫大津法,简称OTSU, ...
C#，图像二值化（13）——全局阈值的双峰平均值算法（Bimodal Thresholding）与源程序
1.图像二值化概述图像二值化是将彩色图像转换为黑白图像.大多数计算机视觉应用程序将图片转换为二进制表示.图像越是未经处理,计算机就越容易解释其基本特征. 二值化过程在计算机存储器中,所有文件通常以 ...

图像的OTSU阈值化、双阈值化、半阈值化的原理及OpenCV代码实现

图像的OTSU阈值化、双阈值化、半阈值化的原理及OpenCV代码实现相关推荐

最新文章

热门文章