图像⼆值化
应⽤场景
⼆值图像处理与分析在机器视觉与机器⼈视觉中⾮常重要，涉及到⾮常多的图像处理相关的知识，常见的⼆值图像分析包括轮廓分析、对象测量、轮廓匹配与识别、形态学处理与分割、各种形状检测与拟合、投影与逻辑操作、轮廓特征提取与编码等。⼆值化⽅法是⼀种应⽤⼴泛的图像分割⽅法，恰当的⼆值化结果对于 ⽂档图像分析、OCR以及医学图像中对 DNA 点阵图像分析等起着⾄关重要的作⽤。 通常可以分为全局⼆值化和局部⼆值化⽅法两类，前者将⼀个固定的阈值应⽤于整幅图像，简单易⾏，但在光照不均匀的条件难以应⽤，如Otsu 法；后者则针对图像的不同部分采⽤不同的阈值来解决光照问题，其阈值实际是⼀个随像素变化的曲⾯。本⽂将着重介绍如何从⼀幅图像中获取有⽬的性的⼆值图像。
⼆值图像定义
⼆值图像就是只有⿊⽩两种颜⾊表⽰的图像，在数字上⽤0 表⽰⿊⾊(0)，1表⽰⽩⾊(255) 。在实际场景中，⼆值图像的获得⼀般需要经过如下过程。
从灰度图像到⼆值图像，本质上是对数据的⼆分类分割，所以很多数据处理的⽅法都可以使⽤，但是图像是特殊类型的数据，它有很多限制条件，决定了只有⼀些合适的⽅法才会取得⽐较好的效果。这些算法的最主要的⼀个任务就是寻合理的分割阈值T。
阈值获取的⽅法
⼆值化分割可分为⼿动阈值分割和⾃动阈值分割，前者是根据整幅图像的特征进⾏分析进⽽确定，⽬前常⽤的⽅法包括⼿动阈值法及⾃动阈值法，
⼿动阈值分割
dx4⾃动阈值分割
基于灰度图均值的⾃动分割
太子乐金100基于直⽅图的⾃动分割
OTSU(直⽅图出现双峰)
甘氨酸乙酯
Triangle(直⽅图出现单峰)
⾃适应阈值分割
下⾯以下图为例，对上述⼏种阈值分割⽅法进⾏分析和对⽐。
⼿动阈值法
该阈值T需要⼈为给定，取值范围为0-255，常规的定义为灰度图像上某点像素值 P(x, y) > T ? 255 : 0，除此之外，还有⼏种变式如下：P(x, y) > T ? 0: 255，表⽰像素值⼤于阈值时，为0，否则为255；
P(x, y) > T ? T : 0 ，表⽰像素值⼤于阈值时，为0，否则为255；
P(x, y) > T ? T : P(x, y) ，表⽰像素值⼤于阈值时，为阈值，否则为原像素；
P(x, y) > T ? P(x, y) : 0 ，表⽰像素值⼤于阈值时，为原像素，否则为0；
P(x, y) > T ? 0 : P(x, y) ，表⽰像素值⼤于阈值时，为0，否则为原像素；
图解表⽰为：
在OPENCV中有相应的API可以使⽤，可以根据任务需求，选择不同的type值。
函数原型：
double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type)参数含义：
InputArray src -输⼊原图像，需为灰度图像
OutputArray dst -输出图像
double thresh -阈值⼤⼩（即阈值T）滇虹康王
double maxval -最⼤值（⼀般指定为255，也可指定为其他数值）
int type -阈值模式（很重要，它决定这个函数的变式，0为常规型的，1-4均为变式）
深圳市龙华区基础教育其中，type可以取0-4中的任⼀个值，对应的含义如下：
0:THRESH_BINARY-当前点值⼤于阈值时，取Maxval，否则设置为0；
1:THRESH_BINARY_INV-当前点值⼤于阈值时，设置为0，否则设置为Maxval；
2:THRESH_TRUNC-当前点值⼤于阈值时，设置为阈值，否则不改变；
3:THRESH_TOZERO-当前点值⼤于阈值时，不改变，否则设置为0；
4:THRESH_TOZERO_INV-当前点值⼤于阈值时，设置为0，否则不改变。
设阈值T = 120 ，type分别取0-4，可以得到以下结果：1） type = 0
2）type = 1
柴油告急
3）type = 2
4) type = 3
5) type = 4
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议