Opencv threshold函数、adaptiveThreshold函数详解和示例

1.threshold函数

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

标志参数	作用
THRESH_BINARY	灰度值大于阈值的为最大值，其他值为 0
THRESH_BINARY_INV	灰度值大于阈值的为 0 ，其他值为最大值
THRESH_TRUNC	灰度值大于阈值的为阈值，其他值不变
THRESH_TOZERO	灰度值大于阈值的不变，其他值为 0
THRESH_TOZERO_INV	灰度值大于阈值的为 0 ，其他值不变
THRESH_OTSU	大津法自动寻求全局阈值
THRESH_TRIANGLE	三角形法自动寻求全局阈值

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

#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

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