阈值处理——实例分析
上篇博客实现了一个阈值处理的例子，现在主要来讲解一相关程序；
首先谈谈createTrackbar函数，也就是滑动条；
createTrackbar("阈值大小：",
"【效果图】",
&g_ThresholdValue,
255,
OnThresholdMethod);
createTrackbar("阈值类型：", //滑动名
"【效果图】", //在哪个窗口
&g_ThresholdType, //g_ThresholdType这个变量值等于滑动条位置
8, //最大值
OnThresholdMethod); // 调用回调函数 OnThresholdMethod(0, 0);
在Opencv中，createTrackbar函数可用于创建一个可以调整数值的滑动条。函数原型如下：
CV_EXPORTS int createTrackbar(const String& trackbarname,
const String& winname,
int* value,
int count,
TrackbarCallback onChange = 0，
void* userdata = 0);
参数1：滑动条轨迹名
参数2：滑动条依附的窗口名
参数3：滑块的位置，创建时，滑块初始位置就是这个变量当前的值
参数4：轨迹的最大值
参数5：回调函数
参数6：默认0，用户传给回调函数的数据，如果第三个值为全局变量，忽略这个值.
如果使用第6个参数,则作为参数传给回调函数的usrdata
这个createTrackbar函数创建一个具有特定名称和范围的轨迹条（滚动条，或者说是滑块范围控制工具），指定一个和轨迹条位置同步的变量。而且要指定回调函数，在轨迹条位置改变的时候来调用这个回调函数。创建的轨迹条显示在指定的winname所代表的窗口上。
回调函数TrackbarCallback转定义如下
typedef void (*TrackbarCallback)(int pos, void* userdata);
参数1:其中第一个参数是跟踪栏位置
参数2:第二个参数是用户数据,如果回调函数是NULL指针，则不会调用回调函数，而只会更新值(比如窗口中的图像数据地址)
（*TrackbarCallback）为函数void (int pos,void* userdata)的别名
我们生活中大多数看到的彩色图片都是RGB类型，但是在进行图像处理时，需要用到灰度图、二值图、HSV、HSI等颜色制式，opencv提供了cvtColor()函数来实现这些功能。首先看一下cvtColor函数定义：
C++: void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0 );
1
参数解释：
. InputArray src: 输入图像即要进行颜色空间变换的原图像，可以是Mat类
. OutputArray dst: 输出图像即进行颜色空间变换后存储图像，也可以Mat类
. int code: 转换的代码或标识，即在此确定将什么制式的图片转换成什么制式的图片，后面会详细将
. int dstCn = 0: 目标图像通道数，如果取值为0，则由src和code决定
本次实验是
函数的作用是将一个图像从一个颜色空间转换到另一个颜色空间
函数threshold（）是对单通道的灰度图像进行阙值处理的（函数compare（）也可以达到同样的效果）。
彩色图像可以使用cvtColor(strImage,grayImage,COLOR_RGB2GRAY)来变为灰度图像。
double threshold( InputArray src, OutputArray dst,double thresh, double maxval, int type );
第一个参数为输入的图像，Mat类型的即可。
第二个参数为输出图像，且和输入图像有同等大小和类型
第三个参数为设定阙值的具体值
第四个参数 maxval是当第五个参数类型为CV_THRESH_BINARY和CV_THRESH_BINARY_INV是的最大值
具体函数解析可参考博文：
原文：https://www.cnblogs.com/fcfc940503/p/11244607.html
或者：https://blog.csdn.net/keith_bb/article/details/53470170
前面博文回调函数代码解析；
void OnThresholdMethod(int, void*)
{
Mat tmpImage = srcImage.clone();
// 设置二值化的类型
//目前，Otsu或者Triangle算法仅支持8位单通道图像的实现
// 因此与这两个算法组合的时候，需要将图像转换为灰度图像
if (g_ThresholdType == 5)
{
if (srcImage.channels() == 3)
cvtColor(srcImage, tmpImage, COLOR_BGR2GRAY);
g_ThresholdType = THRESH_OTSU + THRESH_BINARY; //阈值二值化+Otsu算法选择最佳阈值。
}
if (g_ThresholdType == 6)
{
if (srcImage.channels() == 3)
cvtColor(srcImage, tmpImage, COLOR_BGR2GRAY);
g_ThresholdType = THRESH_OTSU + THRESH_BINARY_INV; //阈值反二值化+Otsu算法选择最佳阈值。
}
if (g_ThresholdType == 7)
{
if (srcImage.channels() == 3)
cvtColor(srcImage, tmpImage, COLOR_BGR2GRAY);
g_ThresholdType = THRESH_TRIANGLE + THRESH_BINARY; //阈值二值化+使用三角算法选择最佳阈值。
}
if (g_ThresholdType == 8)
{
if (srcImage.channels() == 3)
cvtColor(srcImage, tmpImage, COLOR_BGR2GRAY);
g_ThresholdType = THRESH_TRIANGLE + THRESH_BINARY_INV; //阈值二值化+使用三角算法选择最佳阈值。
}
// 二值化处理 threshold(tmpImage, dstImage, g_ThresholdValue, //阈值大小 255, g_ThresholdType); //阈值类型 imshow("【效果图】", dstImage); }
