opencv基础:基本阈值操作目标在本文中，将学习如何：使用 OpenCV 函数cv::threshold执行基本阈

1. 目标

在本文中，将学习如何：

使用 OpenCV 函数cv::threshold执行基本阈值操作

2. 理论

笔记

下面的解释来自Bradski 和 Kaehler的《Learning OpenCV》一书。

3. 阈值

最简单的分割方法
应用示例：分离出感兴趣的图像区域。这种分离基于对象像素和背景像素之间的强度变化。
为了感兴趣的像素与其余像素区分开来，将每个像素强度值与阈值（根据要解决的问题确定）进行比较。
一旦正确地分离了重要的像素，就可以给它们设置一个确定的值来识别它们（即可以为它们分配一个值0（黑色的），255（白色）或任何满足需要的值）。

3.1 阈值类型

OpenCV 提供函数cv::threshold来执行阈值操作。
使用此函数可以完成5种阈值操作类型。将在以下小节中解释它们。
为了说明这些阈值处理是如何工作的，假设有一个源图像，其中的像素具有强度值src(x,y). 下图描述了这一点。水平蓝线代表阈值。

3.1.1 阈值二值化

这个阈值操作可以表示为：

所以，如果像素的强度src(x,y)高于阈值，则新的像素强度设置为maxVal. 否则，像素设置为0.

3.1.2 反向阈值二值化

这个阈值操作可以表示为：

如果像素的强度src(x,y)高于阈值，则新的像素强度设置为0. 否则设置为maxVal.

3.1.3 截断

这个阈值操作可以表示为：

像素的最大强度值为阈值，如果src(x,y)比阈值大，则其值被截断。见下图：

3.1.4 阈值为零

该操作可以表示为：

如果src(x,y)低于阈值，新的像素值将被设置为0.

3.1.5 反向阈值为零

该操作可以表示为：

如果src(x,y)大于时间阈值，新的像素值将被设置为0.

4. 代码

代码如下所示。可以从这里下载


#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
using namespace cv;
using std::cout;
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";
static void Threshold_Demo( int, void* )
{
    /* 0: Binary
     1: Binary Inverted
     2: Threshold Truncated
     3: Threshold to Zero
     4: Threshold to Zero Inverted
    */
    threshold( src_gray, dst, threshold_value, max_binary_value, threshold_type );
    imshow( window_name, dst );
}
int main( int argc, char** argv )
{
    String imageName("stuff.jpg"); // by default
    if (argc > 1)
    {
        imageName = argv[1];
    }
    src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image
    if (src.empty())
    {
        cout << "Cannot read the image: " << imageName << std::endl;
        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 a Trackbar to choose type of Threshold
    createTrackbar( trackbar_value,
                    window_name, &threshold_value,
                    max_value, Threshold_Demo ); // Create a Trackbar to choose Threshold value
    Threshold_Demo( 0, 0 ); // Call the function to initialize
    waitKey();
    return 0;
}

5. 代码解释

下边查看以下程序的主干：

加载图像。如果是 BGR，将其转换为灰度。使用函数cv::cvtColor：


String imageName("stuff.jpg"); // by default
if (argc > 1)
{
        imageName = argv[1];
}
src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image
if (src.empty())
{
        cout << "Cannot read the image: " << imageName << std::endl;
        return -1;
}
cvtColor( src, src_gray, COLOR_BGR2GRAY ); // Convert the image to Gray

创建一个窗口来显示结果


 namedWindow( window_name, WINDOW_AUTOSIZE ); // Create a window to display results

创造2个用户操作的轨迹栏：
- 阈值类型：而致、归零等...
- 阈值


createTrackbar( trackbar_type,
                    window_name, &threshold_type,
                    max_type, Threshold_Demo ); // Create a Trackbar to choose type of Threshold
    createTrackbar( trackbar_value,
                    window_name, &threshold_value,
                    max_value, Threshold_Demo ); // Create a Trackbar to choose Threshold value

等到用户输入阈值，阈值的类型（或直到程序退出）
每当用户更改任何 Trackbars 的值时，都会调用函数Threshold_Demo（Java 中的update ）：

static void Threshold_Demo( int, void* )
{
    /* 0: Binary
     1: Binary Inverted
     2: Threshold Truncated
     3: Threshold to Zero
     4: Threshold to Zero Inverted
    */
    threshold( src_gray, dst, threshold_value, max_binary_value, threshold_type );
    imshow( window_name, dst );
}

函数cv::threshold被调用，这个函数有5个参数：

src_gray : 输入图像
dst：目标（输出）图像
threshold_value：阈值
max_BINARY_value：与二值化阈值操作一起使用的值（用于设置所选像素）
threshold_type：5种阈值操作。它们列在上面函数的注释部分。

6. 结果

编译并运行，将图像的路径作为参数。例如，对于输入图像：
首先，尝试使用反向二值阈值。比阈值高的像素会变暗，在下面的快照中所见（从原始图像中可以看出，与图像相比，小狗的舌头和眼睛特别亮，所以会变暗，这反映在输出图像中）。
现在尝试将阈值设为零。有了这个，最暗的像素（低于阈值）将完全变黑，而值大于阈值的像素将保持其原始值。这通过以下输出图像的快照得到验证：

原文地址