若该文为原创文章,未经允许不得转载
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/104858803
各位读者,知识无穷而人力有穷,要么改需求,要么找专业人士,要么自己研究
目录
OpenCV开发专栏
《OpenCV开发笔记(〇):使用mingw530_32编译openCV3.4.1源码,搭建Qt5.9.3的openCV开发环境》
《OpenCV开发笔记(三):OpenCV图像的概念和基本操作》
《OpenCV开发笔记(四):OpenCV图片和视频数据的读取与存储》
《OpenCV开发笔记(五):OpenCV读取与操作摄像头》
《OpenCV开发笔记(六):OpenCV基础数据结构、颜色转换函数和颜色空间》
《OpenCV开发笔记(八):OpenCV常用操作之计时、缩放、旋转、镜像》
《OpenCV开发笔记(九):OpenCV区域图像(ROI)和整体、局部图像混合》
《OpenCV开发笔记(十):OpenCV图像颜色通道分离和图像颜色多通道混合》
《OpenCV开发笔记(十一):OpenCV编译支持Gpu(cuda) 加速开发之win-qt-mingw32编译》
《OpenCV开发笔记(十二):OpenCV编译支持Gpu(cuda) 加速开发之win-qt-msvc2015编译(opencv3.4.0、cuda9.0、VS2015)》
《OpenCV开发笔记(十三):OpenCV图像对比度、亮度的调整》
《OpenCV开发笔记(十四):算法基础之线性滤波-方框滤波》
《OpenCV开发笔记(十五):算法基础之线性滤波-均值滤波》
《OpenCV开发笔记(十六):算法基础之线性滤波-高斯滤波》
《OpenCV开发笔记(十七):算法基础之线性滤波对比-方框、均值、高斯滤波》
《OpenCV开发笔记(十八):算法基础之非线性滤波-中值滤波》
《OpenCV开发笔记(十九):算法基础之非线性滤波-双边滤波》
《OpenCV开发笔记(二十):算法基础之非线性滤波对比-中值、双边滤波》
《OpenCV开发笔记(二十一):算法基础之形态学滤波-膨胀》
《OpenCV开发笔记(二十二):算法基础之形态学滤波-腐蚀》
《OpenCV开发笔记(二十三):算法基础之形态学滤波-开运算》
《OpenCV开发笔记(二十四):算法基础之形态学滤波-闭运算》
《OpenCV开发笔记(二十五):算法基础之形态学滤波-形态学梯度》
《OpenCV开发笔记(二十六):算法基础之形态学滤波-顶帽(礼帽)》
《OpenCV开发笔记(二十七):算法基础之形态学滤波-黑帽》
《OpenCV开发笔记(二十八):带你学习图像识别之阈值化》
《OpenCV开发笔记(二十九):带你学习图像识别之自适应阈值》
《OpenCV开发笔记(三十):带你学习图像识别之经典OTSU算法阈值化》
《OpenCV开发笔记(三十一):红胖子8分钟带你深入了解双阈值化(图文并貌+浅显易懂+程序源码)》
持续补充中…
OpenCV开发笔记(三十一):红胖子8分钟带你深入了解双阈值化(图文并貌+浅显易懂+程序源码)
前言
红胖子来也!!!
今天来说说双阈值化,双阈值化可以理解为是对阈值化的操作升级,关键是加了矩阵像素点与或非的这么一个操作,嘿!别小看与或非,这个操作将来用处可大了,尤其是分离图像处理,叠加图像。
Demo
双阈值化
概述
对于图像中有明显的双分界特征,可以优先考虑双阈值方法进行二值化的操作,根据双阈值化的操作,可以假定一个下限阈值和一个上限阈值,当像素点的值在上下限阈值范围内,则达到阈值,低于下限和高于上限则不做操作。
假设,灰度图像分为0~255级别,当我们需要中间100~200进行阈值化,那么可以设置下限100和上限200,那么区间[0,100]和{200,255]则与区间(100,200)可以分割开。
推到公式如下:
阈值化函数原型
double threshold( InputArray src,
OutputArray dst,
double thresh,
double maxval,
int type );
- 参数一:InputArray类型,一般是cv::Mat,且可以处理多通道,8或者32位浮点(注意:当使用THRESH_BINARY处理多通道的时候,每个通道都会进行阈值化,比如RGB三通道,那么可能R比G,B大,当阈值设置为大于G、B小于R时,则R为最大是,显示红色,其他类型的阈值形式类推)。
- 参数二;OutputArray类型,输出的目标图像,需要和原图片有一样的尺寸和类型。
- 参数三:double类型的thresh,阈值。
- 参数四:double类型的maxval,与“THRESH_BINARY”枚举和“THRESH_BINARY_INV”枚举一起使用才有效果,其他枚举忽略。
- 参数五:int类型的type,阈值类型。
与或非操作函数原型
void bitwise_and(InputArray src1,
InputArray src2,
OutputArray dst,
InputArray mask = noArray());
- 参数一:InputArray类型,一般是cv::Mat。
- 参数二:InputArray类型,一般是cv::Mat。
- 参数三;OutputArray类型,输出的目标图像,需要和原图片有一样的尺寸和类型。
- 参数四:InputArray类型mask,掩码可选操作掩码,8位单通道阵列指定要更改的输出数组的元素。
Demo源码
void OpenCVManager::testDoubleThreshold()
{
QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/8.jpg";
cv::Mat srcMat = cv::imread(fileName1.toStdString());
int width = 300;
int height = 200;
cv::resize(srcMat, srcMat, cv::Size(width, height));
cv::String windowName = _windowTitle.toStdString();
cvui::init(windowName);
if(!srcMat.data)
{
qDebug() << __FILE__ << __LINE__
<< "Failed to load image:" << fileName1;
return;
}
qDebug() << __FILE__ << __LINE__
<< "Succeed to load image, type =" << srcMat.type()
<< "channels = " << srcMat.channels();
cv::Mat dstMat;
dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 3, dstMat.rows * 2),
srcMat.type());
int minThresh = 100;
int maxThresh = 200;
int maxVal = 255;
while(true)
{
windowMat = cv::Scalar(0, 0, 0);
// 原图先copy到左边
cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);
// 调整阈值化的参数thresh
cvui::printf(windowMat, width * 2 + 50, 0 + height * 0, "minThresh");
cvui::trackbar(windowMat, width * 2 + 50, 15 + height * 0, 200, &minThresh, 0, 255);
// 调整阈值化的参数thresh
cvui::printf(windowMat, width * 2 + 50, 60 + height * 0, "maxThresh");
cvui::trackbar(windowMat, width * 2 + 50, 75 + height * 0, 200, &maxThresh, 0, 255);
// 调整阈值化的参数maxval
cvui::printf(windowMat, width * 2 + 50, 120 + height * 0, "maxVal");
cvui::trackbar(windowMat, width * 2 + 50, 135 + height * 0, 200, &maxVal, 0, 255);
// 转换成灰度图像
cv::Mat grayMat; // 多通道
cv::Mat grayMat2; // 单通道
#if 1
// CV_XXXX 与 cv::COLOR_BGR2GRAY 实际并没有区别 是高低版本表现形式的问题
cv::cvtColor(srcMat, grayMat2, CV_BGR2GRAY);
cv::cvtColor(grayMat2, grayMat, CV_GRAY2BGR);
#else
cv::cvtColor(srcMat, grayMat2, cv::COLOR_BGR2GRAY);
cv::cvtColor(grayMat2, grayMat, cv::COLOR_GRAY2BGR);
#endif
// 效果图copy
cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
cv::Range(srcMat.cols * 1, srcMat.cols * 2));
cv::addWeighted(rightMat, 0.0f, grayMat, 1.0f, 0.0f, rightMat);
{
cv::Mat threadMatMin;
cv::Mat threadMatMax;
cv::Mat threadMatMin2;
cv::Mat threadMatMax2;
// 最小值的阈值化:低于最大值得置0,高于最小值的为255
cv::threshold(grayMat2,
threadMatMin,
minThresh,
maxVal,
cv::THRESH_BINARY);
// 单通道转为3通道(窗口为3通道的mat)
cv::cvtColor(threadMatMin, threadMatMin2, CV_GRAY2BGR);
// 效果图copy
cv::Mat mat1 = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::addWeighted(mat1, 0.0f, threadMatMin2, 1.0f, 0.0f, mat1);
// 最大值的阈值化: 大于最大值的反倒置0,低于最大值的为255
cv::threshold(grayMat2,
threadMatMax,
maxThresh,
maxVal,
cv::THRESH_BINARY_INV);
// 单通道转为3通道(窗口为3通道的mat)
cv::cvtColor(threadMatMax, threadMatMax2, CV_GRAY2BGR);
// 效果图copy
cv::Mat mat2 = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 1, srcMat.cols * 2));
cv::addWeighted(mat2, 0.0f, threadMatMax2, 1.0f, 0.0f, mat2);
// 然后将两者进行与计算
cv::bitwise_and(threadMatMin, threadMatMax, dstMat);
// 单通道转为3通道(窗口为3通道的mat)
cv::cvtColor(dstMat, dstMat, CV_GRAY2BGR);
// 效果图copy
cv::Mat center = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 2, srcMat.cols * 3));
cv::addWeighted(center, 0.0f, dstMat, 1.0f, 0.0f, center);
}
// 更新
cvui::update();
// 显示
cv::imshow(windowName, windowMat);
// esc键退出
if(cv::waitKey(25) == 27)
{
break;
}
}
}
工程模板:对应版本号v1.26.0
对应版本号v1.26.0
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/104858803