OpenCV学習の基本的な画像操作（9）：しきい値操作

しきい値タイプ

二値化（THRESH_BINARY）

逆二値化（THRESH_BINARY_INV）

切り捨て（THRESH_TRUNC）

しきい値はゼロです（THRESH_TOZERO）

しきい値がゼロに逆になります

しきい値アルゴリズム

大津法（THRESH_OTSU）

本旨

前景と背景の間の分散を最大化し、これを分割限界として使用します。

アルゴリズムフロー

1.灰色のヒストグラムを計算します

2.想定されるしきい値、前景と背景に分割

3.前景の分散と背景の分散を計算します

4.繰り返し2〜4を繰り返して、フロントシーンとバックシーンの分散の最大セグメンテーション値を見つけます

コードの練習

int otsuThreshold(IplImage* img)
{
	int T = 0;//阈值
	int height = img->height;
	int width = img->width;
	int step = img->widthStep;
	int channels = img->nChannels;
	uchar* data = (uchar*)img->imageData;
	double gSum0;//第一类灰度总值
	double gSum1;//第二类灰度总值
	double N0 = 0;//前景像素数
	double N1 = 0;//背景像素数
	double u0 = 0;//前景像素平均灰度
	double u1 = 0;//背景像素平均灰度
	double w0 = 0;//前景像素点数占整幅图像的比例为ω0
	double w1 = 0;//背景像素点数占整幅图像的比例为ω1
	double u = 0;//总平均灰度
	double tempg = -1;//临时类间方差
	double g = -1;//类间方差
	double Histogram[256]={0};// = new double[256];//灰度直方图
	double N = width*height;//总像素数

	for(int i=0;i<height;i++)
	{//计算直方图
		for(int j=0;j<width;j++)
		{
			double temp =data[i*step + j * 3] * 0.114 + data[i*step + j * 3+1] * 0.587 + data[i*step + j * 3+2] * 0.299;
			temp = temp<0? 0:temp;
			temp = temp>255? 255:temp;
			Histogram[(int)temp]++;
		} 
	}

	//计算阈值
	for (int i = 0;i<256;i++)
	{

		gSum0 = 0;
		gSum1 = 0;
		N0 += Histogram[i];			
		N1 = N-N0;
		if(0==N1)break;//当出现前景无像素点时，跳出循环
		w0 = N0/N;
		w1 = 1-w0;
		for (int j = 0;j<=i;j++)
		{
			gSum0 += j*Histogram[j];
		}
		u0 = gSum0/N0;
		for(int k = i+1;k<256;k++)
		{
			gSum1 += k*Histogram[k];
		}

		u1 = gSum1/N1;
		//u = w0*u0 + w1*u1;
		g = w0*w1*(u0-u1)*(u0-u1);

                //让类间最大方差最大
		if (tempg<g)
		{
			tempg = g;
			T = i;
		}
	}
	return T; 
}

三角測量（THRESH_TRIANGLE）

本旨

純粋な幾何学的手法を使用して最適なしきい値を見つけます。条件は、ヒストグラムの最大ピークが最も明るい側にあると想定され、三角形を介して最大直線距離が取得されることです。最大直線距離に対応するヒストグラムのグレーレベルは次のとおりです。セグメンテーションしきい値：

ヒストグラムの最も高いピークbmxから最も暗い対応するヒストグラムbmin（p = 0）％までの直線を作成し、対応する各ヒストグラムbからbminからの直線までの垂直距離を、bmaxがわかるまで計算します。距離に対応するヒストグラム位置は、画像の二値化に対応するしきい値Tです。

拡張状況：
最大波ピークの対応する位置がヒストグラムの最も明るい側ではなく、暗い側にある場合があります。このように、ヒストグラムを反転する必要があり、反転後に取得した値を255から差し引いてしきい値Tを取得します。拡張状況のヒストグラムを以下に示します。

アルゴリズムフロー

1.画像をグレースケールに変換します
2.画像のグレースケールヒストグラムを計算し
ます3.ヒストグラムの両側の境界を
見つけます4.ヒストグラムの最大値を見つけ
ます5.最大のピークが明るい側にあるかどうかを確認します。そうでない場合は反転します
6.しきい値を計算してしきい値を取得しますT、反転した場合は255-T

コードの練習

int otsuThreshold(IplImage* img)
{
	int T = 0;//阈值
	int height = img->height;
	int width = img->width;
	int step = img->widthStep;
	int channels = img->nChannels;
	uchar* data = (uchar*)img->imageData;


        int temp = 0;
        bool isflipped = false;

        QVector<int> histogram(256);


        //直方图
        for(int row = 0; row < height; row++)
        {
            for(int col = 0; col<width; col++)
            {
                gray = qGray(image.pixel(col,row));
                histogram[gray] ++;
            }
        }

            //3. 寻找直方图中两侧边界
    int left_bound = 0;
    int right_bound = 0;
    int max = 0;
    int max_index = 0;

    //左侧为零的位置
    for(i = 0; i<256; i++)
    {
        if(histogram[i]>0)
        {
            left_bound = i;
            break;
        }
    }
    //直方图为零的位置
    if(left_bound > 0)
    {
        left_bound --;
    }


    //直方图右侧为零的位置
    for(i = 255; i>0; i--)
    {
        if(histogram[i]>0)
        {
            right_bound = i;
            break;
        }
    }
    //直方图为零的地方
    if(right_bound >0)
    {
        right_bound++;
    }

    //4. 寻找直方图最大值
    for(i = 0; i<256;i++)
    {
        if(histogram[i] > max)
        {
            max = histogram[i];
            max_index = i;
        }
    }

    //判断最大值是否在最左侧，如果是则不用翻转
    //因为三角法二值化只能适用于最大值在最右侧
    if(max_index - left_bound  < right_bound - max_index)
    {
        isflipped = true;
        i = 0;
        j = 255;
        while( i < j )
        {
            // 左右交换
            temp = histogram[i]; histogram[i] = histogram[j]; histogram[j] = temp;
            i++; j--;
        }
        left_bound = 255-right_bound;
        max_index = 255-max_index;
    }


    // 计算求得阈值
    double thresh = left_bound;
    double a, b, dist = 0, tempdist;
    a = max; b = left_bound-max_index;
    for( i = left_bound+1; i <= max_index; i++ )
    {
       // 计算距离 - 不需要真正计算
       tempdist = a*i + b*histogram[i];
       if( tempdist > dist)
       {
           dist = tempdist;
           thresh = i;
       }
    }
    thresh--;

    // 对已经得到的阈值T,如果前面已经翻转了，则阈值要用255-T
    if( isflipped )
    {
         thresh = 255-thresh;
    }

    return thresh;
}

APIの紹介

threshold(gray_src, dst, threshold_value, threshold_max, THRESH_BINARY);

#gray_src 输入的灰度图 输入图片必须是单通道的
#threshold_value  分割阈值
#threshold_max    分割后的上限
#THRESH_BINARY   分割方式

コードの練習

#include <iostream>
#include <math.h>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;
char OUTPUT[] = "OUTPUT_WINDOS";
int threshold_value = 127;
int threshold_max = 255;
void Threshold_Demo(int, void*);
Mat src, gray_src,dst;
int type_value = 2;
int type_max = 4;
int main(int argc, char* argv[])
{
	//src = imread("src.jpg");
	src = imread("cat.png");
	if (!src.data)
	{
		cout << "cannot open image" << endl;
		return -1;
	}
	namedWindow("input image", WINDOW_AUTOSIZE);
	namedWindow(OUTPUT, WINDOW_AUTOSIZE);
	imshow("input image", src);
	createTrackbar("Type Value:", OUTPUT, &type_value, type_max, Threshold_Demo);
	createTrackbar("Threshold Value:", OUTPUT,&threshold_value,threshold_max,Threshold_Demo);
	
	Threshold_Demo(0, 0);


	waitKey(0);
	return 0;
}

void Threshold_Demo(int , void*)
{
	cvtColor(src, gray_src, COLOR_BGR2GRAY);
	threshold(gray_src, dst, threshold_value, threshold_max, type_value);
	imshow(OUTPUT, dst);
}