基于C++的OpenCV4入门基础–阈值分割之二值图

一，阈值处理之固定阈值法
例如，图像由暗色背景上的亮目标组成，目标像素和背景像素的灰度值组合构成两种主要模式，可以通过设定适当的阈值 T，将图像的像素划分为两类：灰度值大于 T 的像素集是目标，小于 T 的像素集是背景。

如果图像的直方图存在明显边界，容易找到图像的分割阈值；但如果图像直方图分界不明显，则很难找到合适的阈值，甚至可能无法找到固定的阈值有效地分割图像。

1，C++ API：threshold 注意这个 API 只能支持灰度图

CV_EXPORTS_W double threshold( InputArray src, OutputArray dst,
                               double thresh, double maxval, int type );

函数 threshold() 可以将灰度图像转换为二值图像，图像完全由像素 0 和 255 构成，呈现出只有黑白两色的视觉效果。

灰度阈值化通过选取的灰度阈值 thresh，将每个像素的灰度值与阈值进行比较，将灰度大于阈值的像素点置为最大灰度，小于阈值的像素点置为最小灰度，得到二值图像，可以突出图像轮廓，把目标从背景中分割出来。

参数说明：

scr：变换操作的输入图像，nparray 二维数组，必须是单通道灰度图像！
thresh：阈值，取值范围 0~255
maxval：填充色，取值范围 0～255，一般取 255
type：变换类型
cv2.THRESH_BINARY：大于阈值时置 255，否则置 0
cv2.THRESH_BINARY_INV：大于阈值时置 0，否则置 255
cv2.THRESH_TRUNC：大于阈值时置为阈值 thresh，否则不变（保持原色）
cv2.THRESH_TOZERO：大于阈值时不变（保持原色），否则置 0
cv2.THRESH_TOZERO_INV：大于阈值时置 0，否则不变（保持原色）
cv2.THRESH_OTSU：使用 OTSU 算法选择阈值
返回值 retval：返回二值化的阈值
返回值 dst：返回阈值变换的输出图像
注意：

函数 cv2.threshold 进行固定阈值的二值化处理；函数 cv2.adaptiveThreshold 为自适应阈值的二值化处理函数，可以通过比较像素点与周围像素点的关系动态调整阈值。
确切地说，只有 type 为 cv2.THRESH_BINARY 或 cv2.THRESH_BINARY_INV 时输出为二值图像，其它变换类型时进行阈值处理但并不是二值处理。

2，用法

//阈值分割(五种方式)
	Mat gray, binary;
	cvtColor(src, gray, COLOR_BGR2GRAY);//得到灰度图
	imshow("gray", gray);

	threshold(gray, binary, 127, 255, THRESH_BINARY);//这个 T = 127 暂时给定 不一定合理 后面分析怎么确定
	imshow("binary", binary);//二值分割

	threshold(gray, binary, 127, 255, THRESH_BINARY_INV);
	imshow("threshold binary invert", binary);

	threshold(gray, binary, 127, 255, THRESH_TRUNC);
	imshow("threshold TRUNC", binary);

	threshold(gray, binary, 127, 255, THRESH_TOZERO);
	imshow("threshold to zero", binary);

	threshold(gray, binary, 127, 255, THRESH_TOZERO_INV);
	imshow("threshold to zero invert", binary);

二，阈值处理之全局阈值
全局阈值概念
全局固定阈值很容易理解，就是对整幅图像都是用一个统一的阈值来进行二值化！
全局阈值分割方法: 均值法、 OTSU、 三角法（Triangle）

1，均值法：

2，全局阈值处理 Otsu 方法
阈值处理本质上是对像素进行分类的统计决策问题。

OTSU 方法又称大津算法，使用最大化类间方差（intra-class variance）作为评价准则，基于对图像直方图的计算，可以给出类间最优分离的最优阈值。

任取一个灰度值 T，可以将图像分割为两个集合 F 和 B，集合 F、B 的像素数的占比分别为 pF、pB，集合 F、B 的灰度值均值分别为 mF、mB，图像灰度值为 m，定义类间方差为：

使类间方差 ICV 最大化的灰度值 T 就是最优阈值。

因此，只要遍历所有的灰度值，就可以得到使 ICV 最大的最优阈值 T。

OpenCV 提供了函数 cv.threshold 可以对图像进行阈值处理，将参数 type 设为 cv.THRESH_OTSU，就可以使用使用 OTSU 算法进行最优阈值分割。

3，用法

//OTSU
	double t1 = threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);//t1为otsu分割阈值
	printf("otsu threshold T:%.2f\n", t1);
	imshow("otsu binary", binary);

	//三角法 triangle
	double t2 = threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_TRIANGLE);//t2为triangle分割阈值
	printf("triangle threshold T:%.2f\n", t2);
	imshow("triangle binary", binary);

三，阈值处理之自适应阈值
噪声和非均匀光照等因素对阈值处理的影响很大，例如光照复杂时 Otsu 算法等全局阈值分割方法的效果往往不太理想，需要使用可变阈值处理。

可变阈值是指对于图像中的每个像素点或像素块有不同的阈值，如果该像素点大于其对应的阈值则认为是前景。

局部阈值分割可以根据图像的局部特征进行处理，与图像像素位置、灰度值及邻域特征值有关。

可变阈值处理的基本方法，是对图像中的每个点，根据其邻域的性质计算阈值。标准差和均值是对比度和平均灰度的描述，在局部阈值处理中非常有效。

1，C++ API:adaptiveThreshold

CV_EXPORTS_W void adaptiveThreshold( InputArray src, OutputArray dst,
                                     double maxValue, int adaptiveMethod,
                                     int thresholdType, int blockSize, double C );

参数说明：
scr：输入图像，nparray 二维数组，必须是 8-bit 单通道灰度图像！
dst：输出图像，大小和格式与 scr 相同
maxValue：为满足条件的像素指定的非零值，具体用法见 thresholdType 说明
adaptiveMethod：自适应方法选择
cv.ADAPTIVE_THRESH_MEAN_C：阈值是邻域的均值
cv.ADAPTIVE_THRESH_GAUSSIAN_C：阈值是邻域的高斯核加权均值
thresholdType：阈值处理方法
cv2.THRESH_BINARY：大于阈值时置 maxValue，否则置 0
cv2.THRESH_BINARY_INV：大于阈值时置 0，否则置 maxValue
blockSize：像素邻域的尺寸，用于计算邻域的阈值，通常取 3，5，7
C：偏移量，从邻域均值中减去该常数

2，用法

//自适应阈值
	
	adaptiveThreshold(gray, binary, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 25, 10);
	imshow("ada-gaussian binary", binary);

	adaptiveThreshold(gray, binary, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 25, 10);
	imshow("ada-mean binary", binary);