opencv：基于阈值的分割方法（固定阈值和自适应阈值）

1、基于阈值的分割

(1)固定阈值分割

将图像分为两个部分：黑和白两个区域

/*@author @还下着雨ZG
* @brief 固定阈值图像分割
* @param[in] imSrc, 待分割的图像
* @param[out] imSegment, 分割后的图像
* @param[in] threVal, 输入的阈值
* @return, 返回正整数表示图像分割成功，负整数表示失败
**/
int ImgSegmentByGlbThreVal(const cv::Mat& imSrc, cv::Mat& imSegment, int threVal)
{
if(imSrc.empty()) return -1;
if(threVal<0 || threVal>255) return -2;
// 图像预处理
cv::Mat imGray;
if(imSrc.channels()==1) imGray = imSrc.clone();
else if(imSrc.channels() == 3)
{
cv::cvtColor(imSrc, imGray, cv::COLOR_RGB2GRAY);
}
else
{
return -3;
}
cv::GaussianBlur(imGray, imGray, cv::Size(3,3), 0);
//全局阈值法
cv::threshold(imGray, imSegment, threVal);
return 1;
}

阈值分割函数threshold的介绍：

double cv::threshold(
cv::Mat &imSrc, //输入图像，应该为单通道
cv::Mat &imDst, //分割后的图像，大小和类型和imSrc相同
double thresh, //表示阈值
double maxval, //最大灰度值，一般设为255
int type //阈值化类型，详细介绍如下所示
};

参数type的介绍：type是一个枚举类型的数据

THRESH_BINARY = 0, // ( x > thresh ) ? 255 : 0
THRESH_BINARY_INV = 1, // ( x > thresh ) ? 0 : 255
THRESH_TRUNC = 2, // ( x > thresh ) ? thresh : x
THRESH_TOZERO = 3, // ( x < thresh ) ? 0 : x
THRESH_TOZERO = 4, // ( x < thresh ) ? x : 0
THRESH_MASK = 7,
THRESH_OTSU = 8, // 自动处理，图像自适应二值化，常用区间【0-255】

(2)自适应阈值分割

根据图像不同区域的亮度分布计算局部阈值，对于图像的不同区域能够自适应计算不同阈值

void cv::adaptiveThreshold(
cv::Mat &imSrc, //输入的源图像
cv::Mat &imDst, //输出图像
double maxval, //预设满足条件的最大值
int adaptMethod, //指定自适应阈值算法类型（ADAPTIVE_MEAN_C或ADAPTIVE_THRESH_GAUSSIAN_C两种）
int threshType, //阈值类型（THRESH_BINARY或THRESH_BINARY_INV）
int blockSize,  //领域块的大小，用于计算区域阈值（3，5，7 ...）
double C, //与算法有关的参数，是一个从均值或加权均值提取的常数，可为负
);

使用adaptiveThresh：

/*@author @还下着雨ZG
* @brief 自适应阈值图像分割
* @param[in] imSrc, 待分割的图像
* @param[out] imSegment, 分割后的图像
* @return, 返回正整数表示图像分割成功，负整数表示失败
**/
int ImgSegmentByAdpThre(const cv::Mat& imSrc, cv::Mat& imSegment)
{
    if (imSrc.empty()) return -1;
    cv::Mat imGray;
    if (imSrc.channels() == 1)
    {
        cv::copyTo(imSrc, imGray, cv::Mat());
    }
    else if (imSrc.channels() == 3)
    {
        cv::cvtColor(imSrc, imGray, cv::COLOR_RGB2GRAY);
    }
    else
    {
        return -2;
    }
    cv::GaussianBlur(imGray, imGray, cv::Size(3, 3), 0);
    int blockSize = 3;
    int constValue = 0;
    cv::adaptiveThreshold(imGray, imSegment, 255, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, blockSize,
        constValue);
    return 1;
}

在实际使用时，大部分是先通过算子寻找边缘，然后和区域生长融合来分割图像

原文地址：https://blog.csdn.net/qq_42279379/article/details/140671896

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！