opencv 图像阈值二值化处理

文章目录

opencv 图像阈值二值化处理
- 图像阈值
- threshold 函数
- 阈值类型
- 图解
- DEMO
- 效果

图像阈值

设定一个阈值，将图片数据大于这个阈值和小于这个阈值的部分区分开来，常用的二值化处理就是将大于阈值的设置为255，小于阈值的设置为0。二值化处理目前只支持8位单通道图像。
也可以用于消除噪声（即滤除过小或过大的像素）。

threshold 函数

CV_EXPORTS_W double threshold( InputArray src, OutputArray dst,double thresh, double maxval, int type );@param src          //输入数组（多通道，8位或32位浮点数）。
@param dst             //具有与src相同大小和类型以及相同通道数的输出数组。
@param thresh      //阈值。
@param maxval      //与#THRESH_BINARY和#THRESH_BINARY_INV阈值类型一起使用的最大值。
@param type            //阈值类型（请参阅#ThresholdTypes）。
@return                //如果使用了Otsu或Triangle方法，则计算出的阈值。

阈值类型

enum ThresholdTypes {THRESH_BINARY     = 0, //!< \f[\texttt{dst} (x,y) =  \fork{\texttt{maxval}}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{0}{otherwise}\f]THRESH_BINARY_INV = 1, //!< \f[\texttt{dst} (x,y) =  \fork{0}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{\texttt{maxval}}{otherwise}\f]THRESH_TRUNC      = 2, //!< \f[\texttt{dst} (x,y) =  \fork{\texttt{threshold}}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{\texttt{src}(x,y)}{otherwise}\f]THRESH_TOZERO     = 3, //!< \f[\texttt{dst} (x,y) =  \fork{\texttt{src}(x,y)}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{0}{otherwise}\f]THRESH_TOZERO_INV = 4, //!< \f[\texttt{dst} (x,y) =  \fork{0}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{\texttt{src}(x,y)}{otherwise}\f]THRESH_MASK       = 7,THRESH_OTSU       = 8, //!< flag, use Otsu algorithm to choose the optimal threshold valueTHRESH_TRIANGLE   = 16 //!< flag, use Triangle algorithm to choose the optimal threshold value
};

图解

蓝色为原始数据值，红色为阈值

THRESH_BINARY 大于阈值的部分被置为255，小于部分被置为0
THRESH_BINARY_INV 大于阈值部分被置为0，小于部分被置为255
THRESH_TRUNC 大于阈值部分被置为threshold，小于部分保持原样
THRESH_TOZERO 小于阈值部分被置为0，大于部分保持不变
THRESH_TOZERO_INV 大于阈值部分被置为0，小于部分保持不变

DEMO

int main() {cv::namedWindow("src",0);cv::namedWindow("dst", 0);cv::Mat src(255, 500, CV_8UC1, cv::Scalar(0));for (int i = 0; i < src.rows; ++i) {for (int j = 0; j < src.cols; ++j){src.at<unsigned char>(i, j) = i;}}cv::imshow("src", src);cv::imwrite("./src.jpg", src);cv::Mat dst;double r = cv::threshold(src, dst, 128, 255, cv::THRESH_BINARY);cv::imshow("dst", dst);cv::imwrite("./dst_THRESH_BINARY.jpg", dst);cv::waitKey(0);r = cv::threshold(src, dst, 128, 255, cv::THRESH_BINARY_INV);cv::imshow("dst", dst);cv::imwrite("./dst_THRESH_BINARY_INV.jpg", dst);cv::waitKey(0);r = cv::threshold(src, dst, 128, 255, cv::THRESH_TRUNC);cv::imshow("dst", dst);cv::imwrite("./dst_THRESH_TRUNC.jpg", dst);cv::waitKey(0);r = cv::threshold(src, dst, 128, 255, cv::THRESH_TOZERO);cv::imshow("dst", dst);cv::imwrite("./dst_THRESH_TOZERO.jpg", dst);cv::waitKey(0);r = cv::threshold(src, dst, 128, 255, cv::THRESH_TOZERO_INV);cv::imshow("dst", dst);cv::imwrite("./dst_THRESH_TOZERO_INV.jpg", dst);cv::waitKey(0);r = cv::threshold(src, dst, 128, 255, cv::THRESH_OTSU);cv::imshow("dst", dst);cv::imwrite("./dst_THRESH_OTSU.jpg", dst);cv::waitKey(0);r = cv::threshold(src, dst, 128, 255, cv::THRESH_TRIANGLE);cv::imshow("dst", dst);cv::imwrite("./dst_THRESH_TRIANGLE.jpg", dst);cv::waitKey(0);}

效果

src原图
THRESH_BINARY 大于阈值的部分被置为255，小于部分被置为0
THRESH_BINARY_INV 大于阈值部分被置为0，小于部分被置为255
THRESH_TRUNC 大于阈值部分被置为threshold，小于部分保持原样
THRESH_TOZERO 小于阈值部分被置为0，大于部分保持不变
THRESH_TOZERO_INV 大于阈值部分被置为0，小于部分保持不变
THRESH_OTSU 二值化的一个很优的算法Otsu大津算法
THRESH_TRIANGLE

opencv 图像阈值二值化处理相关推荐

OpenCV.反阈值二值化
反阈值二值化反阈值二值化与阈值二值化互为逆操作.在OpenCV中该类的实现依赖于threshold() 函数.下面是该函数的声明: threshold(src, dst, thresh, maxva ...
python-opencv 图像阈值二值化
本文讲解基于OpenCV-python的图像二值化API及浅显原理讲解文章目录一. 阈值 1. 简单阈值 2. 自适应阈值二. 图像二值化 1. 全局图像二值化 2. 局部图像二值化 3. Ot ...
利用python opencv实现图像自适应二值化
对灰度图像利用阈值得到一个二值化的图像,是常最常用的图像处理技术之一.例如,灰度大于127的图像设置为1.小于127的设置为0,这种处理便是固定阈值127的二值化处理. 自适应的二值化处理不同于固定阈 ...
【图像处理】——图像的二值化操作及阈值化操作（固定阈值法（全局阈值法——大津法OTSU和三角法TRIANGLE）和自适应阈值法（局部阈值法——均值和高斯法））
目录一.二值化的概念(实际上就是一个阈值化操作) 1.概念: 2.实现方法 3.常用方法二.阈值类型 1.常见阈值类型(主要有五种类型) (1)公式描述 (2)图表描述 2.两种特殊的阈值算法(O ...
二值图像分析：OpenCV中的二值化阈值操作
二值图像分析:OpenCV中的二值化阈值操作 1.二值图像的定义 2.OpenCV中的基本阈值操作 3.OTSU二值寻找算法 3.1 OTSU二值寻找算法介绍 3.2 OTSU二值寻找算法分析 3.2 ...
【OpenCV图像处理】二、图像的二值化操作
图像的逻辑运算就是将两幅图像的对应像素进行逻辑运算.逻辑运算主要包括与(AND)或(OR)及补运算.要对灰度图像进行逻辑运算,就要首先对图像进行二值化处理. 二值化的公式如下: 我们对灰度图像进行二 ...
图像的二值化之python+opencv
定义:图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果. 一幅图像包括目标物体.背景还有噪声,要想从多值的数字图像中直接提取出目标物体,常用 ...
java 图像二值化阀值,阈值二值化图像程序
在Matlab中将一幅图像阈值分割二值化非常简单,若需要通过阈值th2二值化保留一些大面积的.且有灰度值含有大于th1的点的前景区域,而不需要小面积的区域(th1大于th2),这时会遇到这样的问题:当 ...
AR学习笔记（七）：阈值二值化优化与颜色分割的优化
AR学习笔记(七):阈值二值化优化与颜色分割的优化阈值二值化的优化当前方案图像预处理阈值二值化优化方案 otsu法顶帽变换分块阈值法颜色分割的优化当前方案优化方案 HSV模型分割 ...
十三种基于直方图的图像全局二值化算法原理、实现、代码及效果
十三种基于直方图的图像全局二值化算法实现 1. 什么是基于直方图的图像全局二值化算法 2. 灰度平均值 3. 百分比阈值(P-Tile法) 3. 基于双峰的阈值 3.1 基于平均值的阈值 3.2 基于 ...

opencv 图像阈值二值化处理

opencv 图像阈值二值化处理

文章目录

图像阈值

threshold 函数

阈值类型

图解

DEMO

效果

opencv 图像阈值二值化处理相关推荐

最新文章

热门文章

opencv 图像阈值 二值化处理

opencv 图像阈值 二值化处理

文章目录

图像阈值

threshold 函数

阈值类型

图解

DEMO

效果

opencv 图像阈值 二值化处理相关推荐

最新文章

热门文章

opencv 图像阈值二值化处理

opencv 图像阈值二值化处理

opencv 图像阈值二值化处理相关推荐