OpenCV（cv::adaptiveThreshold()）

目录

• 1. 函数
• 2. 示例

cv::adaptiveThreshold() 是 OpenCV 中用于自适应阈值处理的函数。它主要用于将灰度图像二值化，特别是在图像照明不均匀或对比度差的情况下表现良好。

1. 函数

void adaptiveThreshold(
    InputArray src,        // 输入图像
    OutputArray dst,       // 输出二值图像
    double maxValue,       // 最大值
    int adaptiveMethod,    // 自适应阈值计算方法
    int thresholdType,     // 阈值类型
    int blockSize,         // 邻域块大小
    double C               // 常数C
);

参数：

1. src: 输入的灰度图像（必须为单通道的 8 位图像）。
2. dst: 输出的二值化图像，与输入图像 src 大小相同。
3. maxValue: 当条件满足时要赋予的最大值（即二值化后的高值，一般设为 255 表示白色）。
4. adaptiveMethod: 自适应阈值的计算方式，支持以下两种：
   • cv::ADAPTIVE_THRESH_MEAN_C: 邻域块内所有像素的平均值作为阈值。
   • cv::ADAPTIVE_THRESH_GAUSSIAN_C: 邻域块内所有像素的加权平均值（权值为高斯窗口）作为阈值。
5. thresholdType: 阈值类型，有两种选择：
   • cv::THRESH_BINARY: 大于阈值的像素点被赋值为 maxValue，否则为 0。
   • cv::THRESH_BINARY_INV: 小于阈值的像素点被赋值为 maxValue，否则为 0。
6. blockSize: 邻域块的大小，必须是奇数（如 3、5、7 等）。此参数定义计算自适应阈值的区域大小。
7. C: 一个常数值，它从计算出的自适应阈值中减去，用来调整阈值的灵活性。如果 C 为正数，结果的阈值会降低；为负数时会增大。

工作原理：

cv::adaptiveThreshold() 函数根据输入图像的局部区域（即 blockSize 大小的块）来计算每个像素的阈值，因此可以很好地处理由于光照不均匀等原因导致的图像亮度差异。

具体来说，对于每个像素的二值化，不是简单地使用全局固定阈值，而是根据该像素邻域内的像素值来计算一个局部阈值。如果该像素值大于这个局部阈值，则该像素被设置为 maxValue，否则设置为 0。

• 当使用 cv::ADAPTIVE_THRESH_MEAN_C 时，自适应阈值是邻域内像素的平均值减去常数 C。
• 当使用 cv::ADAPTIVE_THRESH_GAUSSIAN_C 时，自适应阈值是邻域内像素加权平均值（使用高斯加权）减去常数 C。

2. 示例

#include <opencv2/opencv.hpp>
using namespace cv;

int main() {
    // 读取灰度图像
    Mat src = imread("image.jpg", IMREAD_GRAYSCALE);
    
    // 检查图像是否加载成功
    if(src.empty()) {
        return -1;
    }

    // 定义输出图像
    Mat dst;

    // 自适应阈值处理
    adaptiveThreshold(src, dst, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 11, 2);

    // 显示原图和二值化后的图像
    imshow("Original Image", src);
    imshow("Adaptive Threshold Image", dst);

    waitKey(0);
    return 0;
}

说明：

• 在上述示例中，输入图像 src 经过 cv::adaptiveThreshold() 函数处理后输出到 dst。我们使用 ADAPTIVE_THRESH_MEAN_C 方法和 THRESH_BINARY 类型，将每个像素与其邻域的平均值相比，并进行二值化处理。
• blockSize 设置为 11，表示计算每个像素阈值时考虑其周围 11x11 的邻域块。C 设置为 2，这意味着计算出的阈值会减去 2 来进行调整。

优点：

• 适应性强: 适用于光照变化大的场景，不受整体图像亮度的影响。
• 局部化处理: 通过邻域窗口的大小控制二值化效果，灵活性较高。

使用场景：

• 适合处理光照不均匀的文档图像、手写字符识别等场景。
• 在背景复杂或对比度不均的图像中，自适应阈值能有效提升图像分割效果。

通过调整 blockSize 和 C 参数，你可以根据不同图像场景调整阈值策略，以获得理想的分割效果。