阈值化

在对图像进行处理操作的过程中,我们常常需要对图像中的像素做出取舍与决策,直接剔除一些低于或高于一定值的像素。

阈值分割可以视为最简单的图像分割方法。比如基于图像中物体与背景之间的灰度差异,可以利用阈值分割出我们需要的物体。这种分割是像素级的分割,为了从一幅图像中提取我们需要的部分,应该用图像中的每个像素点的灰度值与选择的阈值进行比较,并作出取舍判断。

注意,阈值的选取依赖于具体问题,物体在不同的图片中可能会有不同的灰度值。一旦找到了需要分割的物体的像素点,可以对这些像素点设定一些特定的值来表示。例如可以将物体的像素点的灰度值设定为”0“(黑色),其他像素点的灰度值设为”255“(白色)。

OpenCV 中 threshold() 函数(固定阈值操作)和 adaptiveThreshold() 函数(自适应阈值操作)可以满足这样的需求。它们的基本思想是:给定一个数组和一个阈值,根据数组中的每个元素的值是高于还是低于阈值而进行一些操作。

固定阈值操作:threshold 函数

threshold() 函数是对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像(compare 函数也可以达到此目的),或者去除噪声,过滤掉像素值很小或很大的图像点。

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

  • src,输入数组,填单通道、8 或 32 位浮点类型的 Mat 类型对象即可。
  • dst,输出数组,和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • thresh,阈值的具体值。
  • maxval,输出像素值的上限,仅当第五个参数阈值类型 type 取 THRESH_BINARY 或 THRESH_BINARY_INV 时会用到。
  • type,阈值类型。

折线为将被阈值化的值,虚线为阈值

THRESH_BINARY:大于阈值的部分被置为 maxval,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 maxval

THRESH_TRUNC:大于阈值部分被置为 thresh,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_BINARY|THRESH_OTSU:使用最大类间差分法(THRESH_OTSU)获取阈值,然后再用该阈值进行二分,二分方法是上面 5 种选择。
THRESH_BINARY|THRESH_TRIANGLE:使用三角法获取阈值,然后再用该阈值进行二分,二分方法是上面 5 种选择。

  • 返回值为 thresh

自适应阈值操作:adaptiveThreshold 函数

前面看到简单阈值是一种全局性的阈值,只需要规定一个阈值的值,整个图像都和这个阈值比较。而自适应阈值可以看成一种局部性的阈值,通过规定一个区域大小,比较这个点与区域大小里面像素点的平均值(或者其他特征)的大小关系确定这个像素点是属于黑或者白(如果是二值情况)。

double adaptiveThreshold (InputArray src, OutputArray dst, double maxVal, int adaptiveMethod, int thresholdType, int blockSize, double C);

  • src,输入数组,Mat 类的对象即可,但需要为 8 位单通道浮点型图像。
  • dst,输出数组,和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • maxVal,输出像素值的上限。
  • adaptiveMethod,用于指定要使用的自适应阈值算法。阈值有两种取值:

ADAPTIVE_THRESH_MEAN_C :领域内均值

ADAPTIVE_THRESH_GAUSSIAN_C :领域内像素点加权和,权重为一个高斯窗口。

  • thresholdType,阈值类型。取值必须为 THRESH_BINARY 或 THRESH_BINARY_INV。
  • blockSize,用于计算阈值大小的一个像素的邻域尺寸,取值为 3、5、7。
  • C,阈值 = 平均或加权平均值 - C。为0相当于阈值 就是求得领域内均值或者加权值。

代码示例:

#include <opencv.hpp>
using namespace cv;
int main() {
Mat src = imread("C:/Users/齐明洋/Desktop/证件照/7.jpg", );
imshow("src", src); Mat dst;
threshold(src, dst, , , THRESH_BINARY);
imshow("binary img", dst); adaptiveThreshold(src, dst, , ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, , );
imshow("adaptive binary img", dst); waitKey();
}

效果展示:

借鉴博客:https://blog.csdn.net/qq_37385726/article/details/82015545

https://www.cnblogs.com/yinliang-liang/p/9293310.html

------------恢复内容开始------------

阈值化

在对图像进行处理操作的过程中,我们常常需要对图像中的像素做出取舍与决策,直接剔除一些低于或高于一定值的像素。

阈值分割可以视为最简单的图像分割方法。比如基于图像中物体与背景之间的灰度差异,可以利用阈值分割出我们需要的物体。这种分割是像素级的分割,为了从一幅图像中提取我们需要的部分,应该用图像中的每个像素点的灰度值与选择的阈值进行比较,并作出取舍判断。

注意,阈值的选取依赖于具体问题,物体在不同的图片中可能会有不同的灰度值。一旦找到了需要分割的物体的像素点,可以对这些像素点设定一些特定的值来表示。例如可以将物体的像素点的灰度值设定为”0“(黑色),其他像素点的灰度值设为”255“(白色)。

OpenCV 中 threshold() 函数(固定阈值操作)和 adaptiveThreshold() 函数(自适应阈值操作)可以满足这样的需求。它们的基本思想是:给定一个数组和一个阈值,根据数组中的每个元素的值是高于还是低于阈值而进行一些操作。

固定阈值操作:threshold 函数

threshold() 函数是对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像(compare 函数也可以达到此目的),或者去除噪声,过滤掉像素值很小或很大的图像点。

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

  • src,输入数组,填单通道、8 或 32 位浮点类型的 Mat 类型对象即可。
  • dst,输出数组,和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • thresh,阈值的具体值。
  • maxval,输出像素值的上限,仅当第五个参数阈值类型 type 取 THRESH_BINARY 或 THRESH_BINARY_INV 时会用到。
  • type,阈值类型。

折线为将被阈值化的值,虚线为阈值

THRESH_BINARY:大于阈值的部分被置为 maxval,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 maxval

THRESH_TRUNC:大于阈值部分被置为 thresh,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_BINARY | THRESH_OTSU:使用最大类间差分法(THRESH_OTSU)获取阈值,然后再用该阈值进行二分,二分方法是 | 左边方法。

THRESH_BINARY_INV | THRESH_TRIANGLE:使用三角法获取阈值,然后再用该阈值进行二分,二分方法是 | 左边方法。

自适应阈值操作:adaptiveThreshold 函数

前面看到简单阈值是一种全局性的阈值,只需要规定一个阈值的值,整个图像都和这个阈值比较。而自适应阈值可以看成一种局部性的阈值,通过规定一个区域大小,比较这个点与区域大小里面像素点的平均值(或者其他特征)的大小关系确定这个像素点是属于黑或者白(如果是二值情况)。

double adaptiveThreshold (InputArray src, OutputArray dst, double maxVal, int adaptiveMethod, int thresholdType, int blockSize, double C);

  • src,输入数组,Mat 类的对象即可,但需要为 8 位单通道浮点型图像。
  • dst,输出数组,和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • maxVal,输出像素值的上限。
  • adaptiveMethod,用于指定要使用的自适应阈值算法。阈值有两种取值:

ADAPTIVE_THRESH_MEAN_C :领域内均值

ADAPTIVE_THRESH_GAUSSIAN_C :领域内像素点加权和,权重为一个高斯窗口。

  • thresholdType,阈值类型。取值必须为 THRESH_BINARY 或 THRESH_BINARY_INV。
  • blockSize,用于计算阈值大小的一个像素的邻域尺寸,取值为 3、5、7。
  • C,阈值 = 平均或加权平均值 - C。为0相当于阈值 就是求得领域内均值或者加权值。

代码示例:

#include <opencv.hpp>
using namespace cv;
int main() {
Mat src = imread("C:/Users/齐明洋/Desktop/证件照/7.jpg", );
imshow("src", src); Mat dst;
threshold(src, dst, , , THRESH_BINARY);
imshow("binary img", dst); adaptiveThreshold(src, dst, , ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, , );
imshow("adaptive binary img", dst); waitKey();
}

效果展示:

借鉴博客:https://blog.csdn.net/qq_37385726/article/details/82015545

https://www.cnblogs.com/yinliang-liang/p/9293310.html

------------恢复内容开始------------

阈值化

在对图像进行处理操作的过程中,我们常常需要对图像中的像素做出取舍与决策,直接剔除一些低于或高于一定值的像素。

阈值分割可以视为最简单的图像分割方法。比如基于图像中物体与背景之间的灰度差异,可以利用阈值分割出我们需要的物体。这种分割是像素级的分割,为了从一幅图像中提取我们需要的部分,应该用图像中的每个像素点的灰度值与选择的阈值进行比较,并作出取舍判断。

注意,阈值的选取依赖于具体问题,物体在不同的图片中可能会有不同的灰度值。一旦找到了需要分割的物体的像素点,可以对这些像素点设定一些特定的值来表示。例如可以将物体的像素点的灰度值设定为”0“(黑色),其他像素点的灰度值设为”255“(白色)。

OpenCV 中 threshold() 函数(固定阈值操作)和 adaptiveThreshold() 函数(自适应阈值操作)可以满足这样的需求。它们的基本思想是:给定一个数组和一个阈值,根据数组中的每个元素的值是高于还是低于阈值而进行一些操作。

固定阈值操作:threshold 函数

threshold() 函数是对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像(compare 函数也可以达到此目的),或者去除噪声,过滤掉像素值很小或很大的图像点。

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

  • src,输入数组,填单通道、8 或 32 位浮点类型的 Mat 类型对象即可。
  • dst,输出数组,和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • thresh,阈值的具体值。
  • maxval,输出像素值的上限,仅当第五个参数阈值类型 type 取 THRESH_BINARY 或 THRESH_BINARY_INV 时会用到。
  • type,阈值类型。

折线为将被阈值化的值,虚线为阈值

THRESH_BINARY:大于阈值的部分被置为 maxval,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 maxval

THRESH_TRUNC:大于阈值部分被置为 thresh,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_BINARY | THRESH_OTSU:使用最大类间差分法(THRESH_OTSU)获取阈值,然后再用该阈值进行二分,二分方法是 | 左边方法。

THRESH_BINARY_INV | THRESH_TRIANGLE:使用三角法获取阈值,然后再用该阈值进行二分,二分方法是 | 左边方法。

自适应阈值操作:adaptiveThreshold 函数

前面看到简单阈值是一种全局性的阈值,只需要规定一个阈值的值,整个图像都和这个阈值比较。而自适应阈值可以看成一种局部性的阈值,通过规定一个区域大小,比较这个点与区域大小里面像素点的平均值(或者其他特征)的大小关系确定这个像素点是属于黑或者白(如果是二值情况)。

double adaptiveThreshold (InputArray src, OutputArray dst, double maxVal, int adaptiveMethod, int thresholdType, int blockSize, double C);

  • src,输入数组,Mat 类的对象即可,但需要为 8 位单通道浮点型图像。
  • dst,输出数组,和第一个参数中的 Mat 变量有一样的尺寸和类型。
  • maxVal,输出像素值的上限。
  • adaptiveMethod,用于指定要使用的自适应阈值算法。阈值有两种取值:

ADAPTIVE_THRESH_MEAN_C :领域内均值

ADAPTIVE_THRESH_GAUSSIAN_C :领域内像素点加权和,权重为一个高斯窗口。

  • thresholdType,阈值类型。取值必须为 THRESH_BINARY 或 THRESH_BINARY_INV。
  • blockSize,用于计算阈值大小的一个像素的邻域尺寸,取值为 3、5、7。
  • C,阈值 = 平均或加权平均值 - C。为0相当于阈值 就是求得领域内均值或者加权值。

代码示例:

#include <opencv.hpp>
using namespace cv;
int main() {
Mat src = imread("C:/Users/齐明洋/Desktop/证件照/7.jpg", );
imshow("src", src); Mat dst;
threshold(src, dst, , , THRESH_BINARY);
imshow("binary img", dst); adaptiveThreshold(src, dst, , ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, , );
imshow("adaptive binary img", dst); waitKey();
}

效果展示:

借鉴博客:https://blog.csdn.net/qq_37385726/article/details/82015545

https://www.cnblogs.com/yinliang-liang/p/9293310.html

------------恢复内容结束------------

------------恢复内容结束------------

opencv —— threshold、adaptiveThreshold 固定阈值 & 自适应阈值 进行图像二值化处理的更多相关文章

  1. OpenCV_基于局部自适应阈值的图像二值化

    在图像处理应用中二值化操作是一个很常用的处理方式,例如零器件图片的处理.文本图片和验证码图片中字符的提取.车牌识别中的字符分割,以及视频图像中的运动目标检测中的前景分割,等等. 较为常用的图像二值化方 ...

  2. [python-opencv]图像二值化【图像阈值】

    图像二值化[图像阈值]简介: 如果灰度图像的像素值大于阈值,则为其分配一个值(可以是白色255),否则为其分配另一个值(可以是黑色0) 图像二值化就是将灰度图像上的像素值设置为0或255,也就是将整个 ...

  3. Python+OpenCV图像处理(十)—— 图像二值化

    简介:图像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黑白效果的过程. 一.普通图像二值化 代码如下: import cv2 as cv import numpy ...

  4. python-opencv 图像二值化,自适应阈值处理

    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 ...

  5. opencv python 图像二值化/简单阈值化/大津阈值法

    pip install matplotlib 1简单的阈值化 cv2.threshold第一个参数是源图像,它应该是灰度图像. 第二个参数是用于对像素值进行分类的阈值, 第三个参数是maxVal,它表 ...

  6. opencv图像二值化的函数cvThreshold()。 cvAdaptiveThreshol

    OpenCV中对图像进行二值化的关键函数——cvThreshold(). 函数功能:采用Canny方法对图像进行边缘检测 函数原型: void cvThreshold( const CvArr* sr ...

  7. 10、OpenCV Python 图像二值化

    __author__ = "WSX" import cv2 as cv import numpy as np #-----------二值化(黑0和白 255)---------- ...

  8. opencv python:图像二值化

    import cv2 as cv import numpy as np import matplotlib.pyplot as plt # 二值图像就是将灰度图转化成黑白图,没有灰,在一个值之前为黑, ...

  9. opencv-python图像二值化函数cv2.threshold函数详解及参数cv2.THRESH_OTSU使用

    cv2.threshold()函数的作用是将一幅灰度图二值化,基本用法如下: #ret:暂时就认为是设定的thresh阈值,mask:二值化的图像 ret,mask = cv2.threshold(i ...

随机推荐

  1. Python3基础之数据类型(字典)

    Python3数据类型之 字典 字典是另一种可变容器模型,且可存储任意类型对象. 字典的每个键值(key=>value)对用冒号(:)分割,每个对之间用逗号(,)分割,整个字典包括在花括号({} ...

  2. Windows环境安装与配置RocketMQ

    1.下载RocketMQ http://rocketmq.apache.org/release_notes/release-notes-4.3.0/ 2.解压下载的安装包rocketmq-all-4. ...

  3. shiro盐值加密并验证

    在数据表中存的密码不应该是123456,而应该是123456加密之后的字符串,而且还要求这个加密算法是不可逆的,即由加密后的字符串不能反推回来原来的密码,如果能反推回来那这个加密是没有意义的.著名的加 ...

  4. docker 简单使用

    1.docker 命令 docker start nginx https://www.w3cschool.cn/docker/windows-docker-install.html // docker ...

  5. Linux学习笔记-配置阿里云yum源

    进入目录:cd /etc/yum.repos.d 备份:mkdir repobak mv *.repo repobak/ 下载CentOS-Base.repo 到路径/etc/yum.repos.d/ ...

  6. Kubelet 中的 “PLEG is not healthy” 到底是个什么鬼?

    原文链接:深入理解 Kubelet 中的 PLEG is not healthy 在 Kubernetes 社区中,PLEG is not healthy 成名已久,只要出现这个报错,就有很大概率造成 ...

  7. SASS用法入门

    本文参考了 阮一峰 老师对 SASS 用法的讲解. 学过 CSS 的人都知道,它不是一种编程语言,在日常的开发中,经常要写大量的 css 代码,有很多的重复代码,效率很低.Sass 是一个 CSS 的 ...

  8. DDD-CQRS的落地案例

    摘要 在之前的文章DDD-CQRS能解什么问题中,阐述了什么是CQRS.但是并没有业务需求可以应用CQRS.最近需要处理一个文本增量更新的业务,经过需求分析后,尝试使用CQRS来解这个问题 问题分析 ...

  9. Java面向对象XMind

    Java面向对象的思维导图

  10. Java入门基础(类)

    类 在Java中表示自定义的数据类型,一个class可以是若干基本类型的组合. public class Student { public String id;//学号 public String n ...