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
![](http://upload-images.jianshu.io/upload_images/17308430-f3f83503b5fd806a.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/470/format/webp)
(2)反向二值化,THRESH_BINARY_INV
![](http://upload-images.jianshu.io/upload_images/17308430-6ca2669e2d3e3999.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/471/format/webp)
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
![](http://upload-images.jianshu.io/upload_images/17308430-aaa1f4588d111b56.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/513/format/webp)
(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
![](http://upload-images.jianshu.io/upload_images/17308430-f6ebed21b9271b66.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/468/format/webp)
(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
![](http://upload-images.jianshu.io/upload_images/17308430-d784cf10c22667b4.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/470/format/webp)
(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
![](http://upload-images.jianshu.io/upload_images/17308430-ab48d0b3d7665cac.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/481/format/webp)
(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
![](http://upload-images.jianshu.io/upload_images/17308430-eb14d25a11c5ab3d.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/473/format/webp)
(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
![](http://upload-images.jianshu.io/upload_images/17308430-c6f43960fc76a58c.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/473/format/webp)
(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