研究下对图像二值化的理解 Threshold
对数组元素进行固定阈值操作
void cvThreshold( const CvArr* src, CvArr* dst, double threshold,
double max_value, int threshold_type );
src 原始数组 (单通道 , 8-bit of 32-bit 浮点数). dst 输出数组，必须与 src 的类型一致，或者为 8-bit. threshold 阈值 max_value 使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值. threshold_type 阈值类型 (见讨论)
函数 cvThreshold 对单通道数组应用固定阈值操作。该函数的典型应用是对灰度图像进行阈值操作得到二值图像。(cvCmpS 也可以达到此目的) 或者是去掉噪声，例如过滤很小或很大象素值的图像点。本函数支持的对图像取阈值的方法由 threshold_type 确定:
threshold_type=CV_THRESH_BINARY: dst(x,y) = max_value, if src(x,y)>threshold 0, otherwise threshold_type=CV_THRESH_BINARY_INV: dst(x,y) = 0, if src(x,y)>threshold max_value, otherwise threshold_type=CV_THRESH_TRUNC: dst(x,y) = threshold, if src(x,y)>threshold src(x,y), otherwise threshold_type=CV_THRESH_TOZERO: dst(x,y) = src(x,y), if (x,y)>threshold 0, otherwise threshold_type=CV_THRESH_TOZERO_INV: dst(x,y) = 0, if src(x,y)>threshold src(x,y), otherwise下面是图形化的阈值描述：
#include <cv.h> #include <highgui.h> #include <math.h> //#include <stdlib.h> //#include <stdio.h> int main(int argc, char* argv[]) { IplImage *src = 0; //定义源图像指针 IplImage *tmp = 0; //定义临时图像指针 IplImage *src_back = 0; //定义源图像背景指针 IplImage *dst_gray = 0; //定义源文件去掉背景后的目标灰度图像指针 IplImage *dst_bw = 0; //定义源文件去掉背景后的目标二值图像指针 IplImage *dst_contours = 0; //定义轮廓图像指针 IplConvKernel *element = 0; //定义形态学结构指针 int Number_Object =0; //定义目标对象数量 int contour_area_tmp = 0; //定义目标对象面积临时寄存器 int contour_area_sum = 0; //定义目标所有对象面积的和 int contour_area_ave = 0; //定义目标对象面积平均值 int contour_area_max = 0; //定义目标对象面积最大值 CvMemStorage *stor = 0; CvSeq * cont = 0; CvContourScanner contour_scanner; CvSeq * a_contour= 0; //1.读取和显示图像 /* the first command line parameter must be image file name */ if ( argc == 2 && (src = cvLoadImage(argv[1], 0))!=0 ) { ; } else { src = cvLoadImage("rice.jpg", 0); } cvNamedWindow( "src", CV_WINDOW_AUTOSIZE ); cvShowImage( "src", src ); //cvSmooth(src, src, CV_MEDIAN, 3, 0, 0, 0); //中值滤波，消除小的噪声； //2.估计图像背景 tmp = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); src_back = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); //创建结构元素 element = cvCreateStructuringElementEx( 4, 4, 1, 1, CV_SHAPE_ELLIPSE, 0); //用该结构对源图象进行数学形态学的开操作后，估计背景亮度 cvErode( src, tmp, element, 10); cvDilate( tmp, src_back, element, 10); cvNamedWindow( "src_back", CV_WINDOW_AUTOSIZE ); cvShowImage( "src_back", src_back ); //3.从源图象中减区背景图像 dst_gray = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); cvSub( src, src_back, dst_gray, 0); cvNamedWindow( "dst_gray", CV_WINDOW_AUTOSIZE ); cvShowImage( "dst_gray", dst_gray ); //4.使用阈值操作将图像转换为二值图像 dst_bw = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); cvThreshold( dst_gray, dst_bw ,50, 255, CV_THRESH_BINARY ); //取阈值为50把图像转为二值图像 //cvAdaptiveThreshold( dst_gray, dst_bw, 255, CV_ADAPTIVE_THRESH_MEAN_C, CV_THRESH_BINARY, 3, 5 ); cvNamedWindow( "dst_bw", CV_WINDOW_AUTOSIZE ); cvShowImage( "dst_bw", dst_bw ); //5.检查图像中的目标对象数量 stor = cvCreateMemStorage(0); cont = cvCreateSeq(CV_SEQ_ELTYPE_POINT, sizeof(CvSeq), sizeof(CvPoint), stor); Number_Object = cvFindContours( dst_bw, stor, &cont, sizeof(CvContour), CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0) ); //找到所有轮廓 printf("Number_Object: %d\n", Number_Object); //6.计算图像中对象的统计属性 dst_contours = cvCreateImage( cvGetSize(src), src->depth, src->nChannels); cvThreshold( dst_contours, dst_contours ,0, 255, CV_THRESH_BINARY); //在画轮廓前先把图像变成白色 for(;cont;cont = cont->h_next) { cvDrawContours( dst_contours, cont, CV_RGB(255, 0, 0), CV_RGB(255, 0, 0), 0, 1, 8, cvPoint(0, 0) ); //绘制当前轮廓 contour_area_tmp = fabs(cvContourArea( cont, CV_WHOLE_SEQ )); //获取当前轮廓面积 if( contour_area_tmp > contour_area_max ) { contour_area_max = contour_area_tmp; //找到面积最大的轮廓 } contour_area_sum += contour_area_tmp; //求所有轮廓的面积和 } contour_area_ave = contour_area_sum/ Number_Object; //求出所有轮廓的平均值 printf("contour_area_ave: %d\n", contour_area_ave ); printf("contour_area_max: %d\n", contour_area_max ); cvNamedWindow( "dst_contours", CV_WINDOW_AUTOSIZE ); cvShowImage( "dst_contours", dst_contours ); cvWaitKey(-1); //等待退出 cvReleaseImage(&src); cvReleaseImage(&tmp); cvReleaseImage(&src_back); cvReleaseImage(&dst_gray); cvReleaseImage(&dst_bw); cvReleaseImage(&dst_contours); cvReleaseMemStorage(&stor); cvDestroyWindow( "src" ); cvDestroyWindow( "src_back" ); cvDestroyWindow( "dst_gray" ); cvDestroyWindow( "dst_bw" ); cvDestroyWindow( "dst_contours" ); //void cvDestroyAllWindows(void); return 0; }
2. cvAdaptiveThreshold
函数原型如下：
void cvAdaptiveThreshold( const void *srcIm, void *dstIm, double maxValue, int method, int type, int blockSize, double delta );
这个函数同上面那个函数不同的是，上面那个函数需要给出阈值，而这个函数的阈值是不要指定的，它是通过一定计算得来的，称之为自适应阈值处理。
前两个参数同cvThreshold的前两个参数一样，你甚至可以看到OpenCV中绝大多数函数的前两个参数都是这样的，第一个为源，第二个为目标。
第三个参数含义也和cvThreshold中的一样。
第四个参数有两种取值：ADAPTIVE_THRESH_MEAN_C和ADAPTIVE_THRESH_GAUSSIAN_C，分别表示对区域内像素采用均值处理和高斯加权处理。
第五个参数也和cvThreshold中的一样。
第六个参数表示区域大小。
最后一个参数是一个定值。
自适应阈值它是计算区域内的一个值减去一个定值作为阈值，所以说它的阈值是动态计算的。
http://www.docin.com/p-471652104.html
