adaptiveThreshold（自适应阈值）

 

 

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

函数功能

对一幅灰度图像进行二值化，该函数支持就地操作，该函数用下面的公式对一幅灰度图像进行二值化：

(1)正向二值化，THRESH_BINARY

 
 

(2)反向二值化，THRESH_BINARY_INV

 

参数详解

  • 第一个参数，InputArray src，原图，即输入图像，是一个8位单通道的图像；

  • 第二个参数，OutputArray dst，目标图像，与原图像具有同样的尺寸与类型；

  • 第三个参数，double maxValue，分配给满足条件的像素的非零值；

  • 第四个参数，int adaptiveMethod，自适应阈值的方法，通常有以下几种方法；

    • ADAPTIVE_THRESH_MEAN_C，阈值T(x,y)是(x,y)减去C的Blocksize×Blocksize邻域的平均值。
    • ADAPTIVE_THRESH_GAUSSIAN_C ，阈值T(x，y)是(x，y)减去C的Blocksize×Blocksize邻域的加权和(与高斯相关)，默认sigma(标准差)用于指定的Blocksize；具体的情况可以参见getGaussianKernel函数；
  • 第五个参数，int thresholdType，阈值的类型必须是以下两种类型，
    • THRESH_BINARY，正向二值化
    • THRESH_BINARY_INV ，反向二值化

  • 第六个参数，int blockSize，计算blocksize x blocksize大小的领域内的阈值，必须为奇数，例如，3，5，7等等，一般二值化使用21,31,41；

  • 第七个参数，double C，从平均数或加权平均数减去常量。通常，它是正的，但也可能是零或负数。，二值化时使用的7。

阈值类型详解

 

(1)THRESH_BINARY

正向二值化,如果当前的像素值大于设置的阈值(thresh)，则将该点的像素值设置为maxval；否则，将该点的像素值设置为0；具体的公式如下

 

(2)THRESH_BINARY_INV

反向二值化，如果当前的像素值大于设置的阈值(thresh)，则将该点的像素值设置为0；否则，将该点的像素值设置为maxval，具体的公式如下

 

(3)THRESH_TRUNC

如果当前的像素值大于设置的阈值(thresh)，则将该点的像素值设置为threshold；否则，将该点的像素值不变，具体的公式如下

 

(4)THRESH_TOZERO 

如果当前的像素值大于设置的阈值(thresh)，则将该点的像素值不变；否则，将该点的像素值设置为0，具体的公式如下

 

(5)THRESH_TOZERO_INV

如果当前的像素值大于设置的阈值(thresh)，则将该点的像素值设置为0；否则，将该点的像素值不变，具体的公式如下

(6)THRESH_MASK

(7)THRESH_OTSU，使用Otsu算法选择最佳阈值。

(8)THRESH_TRIANGLE，使用三角算法选择最佳阈值。

 

补充

1、函数cvAdaptiveThreshold的确可以将灰度图像二值化，但它的主要功能应该是边缘提取，并且参数param1主要是用来控制边缘的类型和粗细的1
关键是里面的block_size参数，该参数是决定局部阈值的block的大小，
1）当block很小时，如block_size=3 or 5 or 7时，“自适应”的程度很高，即容易出现block里面的像素值都差不多，这样便无法二值化，而只能在边缘等梯度大的地方实现二值化，结果显得它是边缘提取函数。
2）当把block_size设为比较大的值时，如block_size=21 or 31 or 41时，cvAdaptiveThreshold便是二值化函数了
3）src与dst 这两个都要是单通道的图像。
分析参数blockSize。这个参数相当重要，
1.要取奇数，如果取偶数运行后就会报错！！原因看源码，发现要做一个掩模，所以参数必须是奇数。OpenCV也做了一个检测，在函数adaptiveThreshold一开始就有CV_Assert( blockSize % 2 == 1 && blockSize > 1 )。

2.cvAdaptiveThreshold既可以做边缘提取，也可以实现二值化，是由你所选择的邻域所确定的，如果你所选择的邻域非常小（比如3×3），那么很显然阈值的“自适应程度”就非常高，这在结果图像中就表现为边缘检测的效果。如果邻域选择的比较大（比如31×31），那么阈值的“自适应程度”就比较低，这在结果图像中就表现为二值化的效果。

3.一般情况下，滤波器宽度应该大于被识别物体的宽度。block_size太小，无法代表背景，太大的话会影响到临近物体。

选定合适的block_size后，我们就可以选定一个更大的阈值param1，更好的抑制噪声

 

posted @ 2019-08-29 14:07  Austin_anheqiao  阅读(5005)  评论(0)  编辑  收藏  举报