1.threshold函数

<code>double cv::threshold(InputArray src, OutputArray dst,

double thresh, double maxval, int type )

src：待二值化的图像，图像只能是 CV_8U 和 CV_32F 两种数据类型。对于图像通道数目的要求与选择的二值化方法相关。dst：二值化后的图像，与输入图像具有相同的尺寸、数据类型和通道数。thresh：二值化的阈值。maxval：二值化过程的最大值，它只在 THRESH_BINARY 和 THRESH_BINARY_INV 两种二值化方法中才使用。type：选择图像二值化方法的标志。

                                                 二值化方法可选择的标志及含义

为了方便讲解，我们使用如下的一个图像，红色表示图像，黑色是图像的边界，蓝色是阈值

                                                                                原图 

1.1 THRESH_BINARY 

大于阈值，取最大值。小于等于阈值取0。

公式：

对于原图，如果我们进行二值化操作，那么蓝色的线以上的，都变成最大值，蓝色的线以下的线都变成0

1.2 THRESH_BINARY_INV

大于阈值，取0。小于等于阈值，取最大值。

公式：

对于原图，如果我们进行反二值化操作，那么蓝色的线以下的，都变成最大值，蓝色的线以上的线都变成0

                ​​​​​​​        ​​​​​​​        

1.3  THRESH_TRUNC

大于阈值，取阈值小于等于阈值，取原值

​​​​​​​公式：

 对于原图，如果我们进行截断操作

        ​​​​​​​        ​​​​​​​        ​​​​​​​        

1.4 THRESH_TOZERO 

大于阈值的，取原值。小于等于阈值，取0

公式：

对于原图，如果我们进行操作

        ​​​​​​​        ​​​​​​​        ​​​​​​​        

1.5  THRESH_TOZERO_INV

大于阈值的，取0。小于等于阈值，取原值

公式：

 对于原图，如果我们进行操作

        ​​​​​​​        ​​​​​​​        ​​​​​​​        

参考：【opencv学习笔记】015之基本阈值操作_最大阈值和最小阈值公式-CSDN博客 

1.6 代码示例 

<code>#include <opencv2/opencv.hpp>

#include <iostream>

#include <vector>

using namespace std;

using namespace cv;

int main()

{

Mat img = imread("../pic/gril_1.jpg");

if (img.empty())

{

cout << "请确认图像文件名称是否正确" << endl;

return -1;

}

imshow("原画", img);

Mat gray;

double a , b ,c ,d ;

cvtColor(img, gray, COLOR_BGR2GRAY);

Mat img_B, img_B_V, gray_B,gray_B_V, gray_T, gray_T_V, gray_TRUNC ;

//彩色图像二值化

threshold(img, img_B, 125, 255, THRESH_BINARY);

threshold(img, img_B_V, 125, 255, THRESH_BINARY_INV);

imshow("img_B", img_B);

imshow("img_B_V", img_B_V);

//灰度图 BINARY 二值化

threshold(gray, gray_B, 125, 255, THRESH_BINARY);

threshold(gray, gray_B_V, 125, 255, THRESH_BINARY_INV);

imshow("gray_B", gray_B);

imshow("gray_B_V", gray_B_V);

//灰度图像 TOZERO 变换

threshold(gray, gray_T, 125, 255, THRESH_TOZERO);

threshold(gray, gray_T_V, 125, 255, THRESH_TOZERO_INV);

imshow("gray_T", gray_T);

imshow("gray_T_V", gray_T_V);

//灰度图像 TRUNC 变换

threshold(gray, gray_TRUNC, 125, 255, THRESH_TRUNC);

imshow("gray_TRUNC", gray_TRUNC);

waitKey(0);

return 0;

}

结果：

1.7 THRESH_OTSU 和 THRESH_TRIANGLE 

       这两种标志是获取阈值的方法，并不是阈值比较方法的标志，这两个标志可以与前面 5

种标志

一起使用，例如“

THRESH_BINARY| THRESH_OTSU

”。前面

5

种标志在调用函数时都需要人为

地设置阈值，如果对图像不了解，设置的阈值不合理，就会对处理后的效果造成严重的影响。这两

个标志分别表示利用大津法（

OTSU

）和三角形法（

TRIANGLE

）结合图像灰度值分布特性获取二

值化的阈值，并将阈值以函数返回值的形式给出(简单来说就是重新自动设置二值化的阈值

)。因此，如果该函数最后一个参数设置了这两个标 志中的任何一个，那么该函数第三个参数 thresh

将由系统自动给出，但是在调用函数时仍然不能默认，只是程序不会使用这个数值。需要注意的是，到目前为止，OpenCV 4

中针对这两个标志只支 持输入 CV_8UC1

类型的图像。

        threshold()函数全局只使用一个阈值，在实际情况中，由于光照不均匀以及阴影的存在，全局

只有一个阈值会使得在阴影处的白色区域也会被函数二值化成黑色，因此

adaptiveThreshold()

函数提供了两种局部自适应阈值的二值化方法。

2.adaptiveThreshold函数

<code>void cv::adaptiveThreshold(InputArray src, OutputArray dst, double maxValue,

int adaptiveMethod, int thresholdType, int blockSize, double C )

src：待二值化的图像，图像只能是 CV_8UC1 数据类型。dst：二值化后的图像，与输入图像具有相同的尺寸、数据类型。maxValue：二值化的最大值adaptiveMethod：自适应确定阈值的方法，分为均值法 ADAPTIVE_THRESH_MEAN_C和高斯法 ADAPTIVE_THRESH_GAUSSIAN_C 两种。 thresholdType：选择图像二值化方法的标志，只能是 THRESH_BINARY 和 THRESH_BINARY_INV。blockSize：自适应确定阈值的像素邻域大小，一般为 3、5、7 的奇数。C：从平均值或者加权平均值中减去的常数，可以为正，也可以为负。

第一种ADAPTIVE_THRESH_MEAN_C,针对像素(x,y)的计算方式如下:

        T(x,y)结果是在(x,y)的邻域blockSize×blockSize范围内所有灰度值的均值减去第7个参数double C;

第二种ADAPTIVE_THRESH_GAUSSIAN_C,针对像素(x,y)的计算方式如下:

首先,生成一个大小为blockSize×blockSize的高斯核,作为权重;其次,利用高斯核与(x,y)邻域范围内灰度值,进行加权求和,再减去减去第7个参数double C,得到T(x,y);

2.1代码示例（包含THRESH_OTSU 和 THRESH_TRIANGLE ）

#include <opencv2/opencv.hpp>

#include <iostream>

#include <vector>

using namespace std;

using namespace cv;

int main()

{

//灰度图像大津法和三角形法二值化

Mat img_Thr = imread("../pic/gril_2.png", IMREAD_GRAYSCALE);

double a ,b ,c,d ;

if (img_Thr.empty())

{

cout << "请确认图像文件名称是否正确" << endl;

return -1;

}

//cvtColor(img_Thr, img_Thr, COLOR_BGR2GRAY);

Mat img_Thr_O, img_Thr_O_1,img_Thr_T,img_Thr_T_1;

a = threshold(img_Thr, img_Thr_O, 100, 255, THRESH_BINARY | THRESH_OTSU);

b = threshold(img_Thr, img_Thr_T, 125, 255, THRESH_BINARY | THRESH_TRIANGLE);

c = threshold(img_Thr, img_Thr_O_1, 150, 255, THRESH_BINARY | THRESH_OTSU);

d = threshold(img_Thr, img_Thr_T_1, 200, 255, THRESH_BINARY | THRESH_TRIANGLE);

cout << "333 a =" <<a <<" b = " << b << endl;

cout << "333 c =" <<c <<" d = " << d << endl;

imshow("img_Thr", img_Thr);

imshow("img_Thr_O", img_Thr_O);

imshow("img_Thr_T", img_Thr_T);

imshow("img_Thr_O_1", img_Thr_O_1);

imshow("img_Thr_T_1", img_Thr_T_1);

//灰度图像自适应二值化

Mat adaptive_mean, adaptive_gauss;

adaptiveThreshold(img_Thr, adaptive_mean, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 255, 0);

adaptiveThreshold(img_Thr, adaptive_gauss, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 55, 0);

imshow("adaptive_mean", adaptive_mean);

imshow("adaptive_gauss", adaptive_gauss);

waitKey(0);

return 0;

}

结果：threshold函数不管设置的阈值是多少，只要有THRESH_OTSU 和 THRESH_TRIANGLE，就会重新匹配该照片的阈值

adaptiveThreshold函数可参考： OpenCV-C++ 图像自适应阈值二值化处理adaptiveThreshold - chenzhen0530 - 博客园 (cnblogs.com)