OpenCV二值化方法

cvThreshold是opencv库中的一个函数

　　作用：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。

　　形式：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。

　

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; dst(x,y) = max_value, otherwise.

threshold_type=CV_THRESH_TRUNC:

dst(x,y) = threshold, if src(x,y)>threshold;   dst(x,y) = src(x,y), otherwise.

threshold_type=CV_THRESH_TOZERO:

dst(x,y) = src(x,y), if (x,y)>threshold ;  dst(x,y) = 0, otherwise.

threshold_type=CV_THRESH_TOZERO_INV:

dst(x,y) = 0, if src(x,y)>threshold ;  dst(x,y) = src(x,y), otherwise.

值得一说的是threshold_type可以使用CV_THRESH_OTSU类型，这样该函数就会使用大律法OTSU得到的全局自适应阈值来进行二值化图片，而参数中的threshold不再起        作用。比如：cvThreshold( dst, dst,300 , 255,   CV_THRESH_OTSU | CV_THRESH_BINARY_INV);这种方法对于灰度直方图呈现二峰特征的图片处理起来效果很好。当然你也可以使用已有的OTSU算法来计算该阈值。如下：

[cpp] view plaincopy

1. int otsu(const IplImage *src_image) //大津法求阈值  
2. {  
3.     double sum = 0.0;  
4.     double w0 = 0.0;  
5.     double w1 = 0.0;  
6.     double u0_temp = 0.0;  
7.     double u1_temp = 0.0;  
8.     double u0 = 0.0;  
9.     double u1 = 0.0;  
10.     double delta_temp = 0.0;  
11.     double delta_max = 0.0;  
12.   
13.     //src_image灰度级  
14.     int pixel_count[256]={0};  
15.     float pixel_pro[256]={0};  
16.     int threshold = 0;  
17.     uchar* data = (uchar*)src_image->imageData;  
18.     //统计每个灰度级中像素的个数  
19.     for(int i = 0; i < src_image->height; i++)  
20.     {  
21.         for(int j = 0;j < src_image->width;j++)  
22.         {  
23.             pixel_count[(int)data[i * src_image->width + j]]++;  
24.             sum += (int)data[i * src_image->width + j];  
25.         }  
26.     }  
27.     cout<<"平均灰度："<<sum / ( src_image->height * src_image->width )<<endl;  
28.     //计算每个灰度级的像素数目占整幅图像的比例  
29.     for(int i = 0; i < 256; i++)  
30.     {  
31.     pixel_pro[i] = (float)pixel_count[i] / ( src_image->height * src_image->width );  
32.     }  
33.     //遍历灰度级[0,255],寻找合适的threshold  
34.     for(int i = 0; i < 256; i++)  
35.     {  
36.         w0 = w1 = u0_temp = u1_temp = u0 = u1 = delta_temp = 0;  
37.         for(int j = 0; j < 256; j++)  
38.         {  
39.             if(j <= i)   //背景部分  
40.             {  
41.                 w0 += pixel_pro[j];  
42.                 u0_temp += j * pixel_pro[j];  
43.             }  
44.             else   //前景部分  
45.             {  
46.                 w1 += pixel_pro[j];  
47.                 u1_temp += j * pixel_pro[j];  
48.             }  
49.         }  
50.         u0 = u0_temp / w0;  
51.         u1 = u1_temp / w1;  
52.         delta_temp = (float)(w0 *w1* pow((u0 - u1), 2)) ;  
53.         if(delta_temp > delta_max)  
54.         {  
55.             delta_max = delta_temp;  
56.             threshold = i;  
57.         }  
58.     }  
59.     return threshold;  
60. }