OpenCV2:小学篇图像灰度变换技术-阈值化处理

一.简介

在处理图像中,二值化图像(只含灰度值0或1)比灰度图像和彩色图像的计算速度最快

一副图像包括目标背景噪声等想要提取目标物体,通常是采用灰度变换的阈(yu)值化操作

图像的阈值化操作就是将图像像素点分布规律,设定阈值进行像素点分割,进而得到图像的二值图像

图像阈值化的方法有:经典OTSU 固定阈值自适应阈值双阈值半阈值操作

二.OTSU阈值化

OTSU算法是在1979年提出的一种寻找图像阈值的最大类间方差算法

OTSU算法的步骤:

(1) 统计灰度级中每个像素在整幅图像中的个数

(2) 计算每个像素在整幅图像的概率分布

(3) 对灰度级进行遍历搜索,计算当前灰度值下前景背景类间概率

(4) 通过目标函数计算出类内与类间方差下对应的阈值

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

#include <stdio.h>
#include <string>
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/opencv.hpp"
 
using namespace std;
using namespace cv;
 
// 大均法函数实现
int OTSU(cv::Mat srcImage)
{
 
    int nCols = srcImage.cols;
    int nRows = srcImage.rows;
    int threshold = 0;
 
    // 初始化统计参数
    int nSumPix[256];
    float nProDis[256];
    for (int i = 0; i < 256; i++)
    {
        nSumPix[i] = 0;
        nProDis[i] = 0;
    }
 
    // 统计灰度级中每个像素在整幅图像中的个数
    int temp;
    for (int i = 0; i < nRows; i++)
    {
        for (int j = 0; j < nCols; j++)
        {
            temp = srcImage.at<uchar>(i, j);
            if((temp < 256) && (temp >= 0))
                nSumPix[temp]++;
        }
    }
     
 
    // 计算每个灰度级占图像中的概率分布
    for (int i = 0; i < 256; i++)
    {
        nProDis[i] = (float)nSumPix[i] / (nCols * nRows);
    }
 
    // 遍历灰度级 [0, 255],计算出最大类间方差下的阈值
    float w0, w1, u0_temp, u1_temp, u0, u1, delta_temp;
    double delta_max = 0.0;
    for (int i = 0; i < 256; i++)
    {
        // 初始化相关参数
        w0 = w1 = u0_temp = u1_temp = u0 = u1 =delta_temp = 0;
        for (int j = 0; j < 256; j++)
        {
            // 背景部分
            if (j <= i)
            {
                // 当前 i 为分割阈值,第一类总的概率
                w0 += nProDis[j];
                u0_temp += j * nProDis[j];
            }
 
            // 前景部分
            else
            {
                // 当前 i 为分割阈值,第一类总的概率
                w1 += nProDis[j];
                u1_temp += j * nProDis[j];
            }
        }
 
        // 分别计算各类的平均灰度
        u0 = u0_temp / w0;
        u1 = u1_temp / w1;
        delta_temp = (float)(w0 * w1 * pow((u0 - u1), 2));
 
        // 依次找到最大类间方差下的阈值
        if(delta_temp > delta_max)
        {
            delta_max = delta_temp;
            threshold = i;
        }
 
    }
 
    return threshold;
}
 
int main()
{
    // 图像读取及判断
    cv::Mat srcImage = cv::imread("a.jpg");
    if(!srcImage.data)
        return 1;
 
    // 灰度转换
    cv::Mat srcGray;
    cv::cvtColor(srcImage, srcGray, CV_RGB2GRAY);
    cv::imshow("srcGray", srcGray);
 
    // 调用OTSU二值化算法得到阈值
    int ostuThreshold = OTSU(srcGray);
    std::cout << ostuThreshold << std::endl;
 
    // 定义输出结果图像
    cv::Mat otsuResultImage = cv::Mat::zeros(srcGray.rows, srcGray.cols, CV_8UC1);
 
    // 利用得到的阈值实现二值化操作
    for (int i = 0; i < srcGray.rows; i++)
    {
        for (int j = 0; j < srcGray.cols; j++)
        {
            // 满足大于阈值ostuThreshold置于255
            if (srcGray.at<uchar>(i, j) > ostuThreshold)
                otsuResultImage.at<uchar>(i, j) = 255;
            else
                otsuResultImage.at<uchar>(i, j) = 0;
        }
    }
     
    cv::imshow("otsuResultImage", otsuResultImage);
    cv::waitKey(0);
    return 0;
}

三.固定阈值

opencv提供了阈值化函数threshold(),用在单通道图像(多通道转单通道)中固定阈值化处理,得到二值化灰度图像

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

src

　　　　源图像

dst

　　　　输出图像

thresh

　　　　表示阈值设置

maxval

　　　　表示预设最大值

type　　　　

　　　　表示阈值化处理的类型

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
 
int main()
{
 
    // 读取源图像及判断
    cv::Mat srcImage = cv::imread("a.jpg");
    if (!srcImage.data)
        return 1;
 
    // 转化为灰度图像
    cv::Mat srcGray;
    cv::cvtColor(srcImage, srcGray, CV_RGB2GRAY);
    cv::imshow("srcGray", srcGray);
    cv::Mat dstImage;
 
    // 初始化阈值参数
    int thresh = 130;
 
    //初始化阈值处理的类型
    /*
        0:二进制阈值
        1:反二进制阈值
        2:截断阈值
        3:0阈值
        4:反0阈值
    */
 
    int threshType = 0;
 
    // 预设最大值
    const int maxVal = 255;
 
    // 固定阈值化操作
    cv::threshold(srcGray, dstImage, thresh, maxVal, threshType);
 
    cv::imshow("stdImage", dstImage);
    cv::waitKey(0);
 
    return 0;
}

四.自适应阈值

OpenCV提供了自适应阈值化函数adaptiveThreshold()

void adaptiveThreshold(InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C)

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"

int main()
{

    // 图像读取及判断
    cv::Mat srcImage = cv::imread("a.jpg");
    if (!srcImage.data)
        return -1;

    // 灰度转换
    cv::Mat srcGray;
    cv::cvtColor(srcImage, srcGray, CV_RGB2GRAY);
    cv::imshow("srcGray", srcGray);
    cv::Mat dstImage;

    // 初始化自适应阈值参数
    int blockSize = 5;
    int constValue = 10;
    const int maxVal = 255;

    // 自适应阈值算法
    int adaptiveMethod = 0;
    int thresholdType = 1;

    // 图像自适应阈值操作
    cv::adaptiveThreshold(srcGray, dstImage, maxVal, adaptiveMethod, thresholdType, blockSize, constValue);

    cv::imshow("dstImage", dstImage);
    cv::waitKey(0);
    return 0;
}