阈值操作---分离图片对象
- 原理
-
- 二值化类型
-
- [二值化(Threshold Binary)](#二值化(Threshold Binary))
- [反二值化(Threshold Binary, Inverted)](#反二值化(Threshold Binary, Inverted))
- 截断(Truncate)
- 零值化
- 反零值化
- 代码实现
原理
用阈值来分离图片中的对象是一种最简单的分离方法。根据我们想要分离的图片中的对象，设置特定的阈值，然后通过将图片的每个像素值与该阈值进行对比，从而确定我们想要的图像中的区域。
二值化类型
OpenCV中的threshold函数共有5种类型的阈值操作方法可选。
首先我们有一张原图，图中像素点的值用 s r c ( x , y ) src(x,y) src(x,y)表示，该图片中的颜色分布图如下（纵轴为颜色值，横轴为不同像素点，蓝线为固定阈值）：
二值化(Threshold Binary)
二值化操作的具体方法用公式表示为：
d s t ( x , y ) = { m a x V a l u e if s r c ( x , y ) > t h r e s h o l d 0 otherwise dst(x,y)= \begin{cases} maxValue & \text{if} \quad src(x,y) > threshold \\ 0 & \text{otherwise} \end{cases} dst(x,y)={maxValue0ifsrc(x,y)>thresholdotherwise
- d s t ( x , y ) 为像素点阈值操作后的结果，下同 dst(x,y)为像素点阈值操作后的结果，下同 dst(x,y)为像素点阈值操作后的结果，下同
即，如果像素点的颜色值 s r c ( x , y ) src(x,y) src(x,y)高于阈值 t h r e s h o l d threshold threshold，该像素点就会被赋予用户定义的 m a x V a l u e maxValue maxValue；否则的话，像素点就会被赋予0值。
其效果用颜色值分布图表示，如下：
反二值化(Threshold Binary, Inverted)
反二值化与二值化正好相反，用公式表达为：
d s t ( x , y ) = { 0 if s r c ( x , y ) > t h r e s h o l d m a x V a l u e otherwise dst(x,y)= \begin{cases} 0 & \text{if} \quad src(x,y)>threshold \\ maxValue & \text{otherwise} \end{cases} dst(x,y)={0maxValueifsrc(x,y)>thresholdotherwise
即，超过阈值的像素点都被赋予0值，而没有超过的都被赋予 m a x V a l u e maxValue maxValue。
用颜色值分布图表示如下：
截断(Truncate)
截断的具体方法用公式表示如下：
d s t ( x , y ) = { t h r e s h o l d if s r c ( x , y ) > t h r e s h o l d s r c ( x , y ) otherwise dst(x,y)= \begin{cases} threshold & \text{if} \quad src(x,y)>threshold \\ src(x,y) & \text{otherwise} \end{cases} dst(x,y)={thresholdsrc(x,y)ifsrc(x,y)>thresholdotherwise
即，超过阈值的像素点被赋予阈值的值，而没有超过的则保留原值。
用颜色分布图表示如下：
零值化
零值化操作用公式表达如下：
d s t ( x , y ) = { s r c ( x , y ) if s r c ( x , y ) > t h r e s h o l d 0 otherwise dst(x,y)= \begin{cases} src(x,y) & \text{if} \quad src(x,y)>threshold \\ 0 & \text{otherwise} \end{cases} dst(x,y)={src(x,y)0ifsrc(x,y)>thresholdotherwise
即，如果超过阈值就保留原值，没有超过阈值就赋予0值。
用颜色值分布图表示如下：
反零值化
顾名思义这个方法是零值化方法的反面，用公式表示如下：
d s t ( x , y ) = { 0 if s r c ( x , y ) > t h r e s h o l d s r c ( x , y ) otherwise dst(x,y)= \begin{cases} 0 & \text{if} \quad src(x,y)>threshold \\ src(x,y) & \text{otherwise} \end{cases} dst(x,y)={0src(x,y)ifsrc(x,y)>thresholdotherwise
即，超过阈值的像素点赋予0值，没有超过阈值的保留原值。
用颜色分布图表示其结果如下：
代码实现
本示例使用的图片可以在下载OpenCV文件夹中找到："...\opencv\sources\samples\data\stuff.jpg"。原图如下：
5种类型的阈值操作都是用cv:threshold函数实现的，该函数原型如下：
cpp
double cv::threshold(InputArray src,
OutputArray dst,
double threshold,
double maxValue,
int type)
src：原图dst：输出图threshold：阈值maxValue：二值化和反二值化中的maxvalue，但是其他方法中也需要指定，不过用不到type：阈值操作类型
*THRESH_BINARY：二值化，0
*THRESH_BINARY_INV：反二值化，1
*THRESH_TRUNC：截断，2
*THRESH_TOZERO：零值化，3
*THRESH_TOZERO_INV：反零值化，4- 目前用不到返回值，先不用管
这里将所有的阈值threshold都设置为100；
将二值化和反二值化中的maxValue都设置为255；
cpp
//二值化
Mat binary_dst;
threshold(src,
binary_dst,
100,
255,
0);
//反二值化
Mat inv_binary_dst;
threshold(src,
inv_binary_dst,
100,
255,
1);
//截断
Mat trunc_dst;
threshold(src,
trunc_dst,
100,
255,
2);
Mat trunc_dst1;
threshold(src,
trunc_dst1,
100,
150,
2);
//零值化
Mat zero_dst;
threshold(src,
zero_dst,
100,
255,
3);
//反零值化
Mat inv_zero_dst;
threshold(src,
inv_zero_dst,
100,
255,
4);效果如下：
- 二值化
- 反二值化
- 截断
- 零值化
- 反零值化
可以看到对于这张图片，在上述的参数情况下，二值化和反二值化方法能更好地分离图像中的墙壁、打火机等对象。
也可以改变参数或者使用滑动条来挑选更适合每种方法的参数。