OpenCV（八）：图像二值化

红太狼 2024-03-24 23:42 35阅读 0赞

**目录**

1.固定值二值化

2.自适应阈值二值化

3.Android JNI完整代码

--------------------

#### 1.固定值二值化 ####

固定阈值二值化是OpenCV中一种简单而常用的图像处理技术，用于将图像转换为二值图像。在固定阈值二值化中，像素值根据一个预定义的阈值进行分类，大于阈值的像素被设置为白色，而小于或等于阈值的像素被设置为黑色。以下是关于OpenCV固定阈值二值化的一些重要知识点：

1.阈值函数：在OpenCV中，固定阈值二值化可以使用 `threshold()` 函数来实现。该函数的原型如下：

> `double threshold(InputArray src, OutputArray dst, double thresh, double maxValue, int thresholdType);`

*  `src`：输入图像，通常为灰度图像。
 *  `dst`：输出二值图像，与输入图像具有相同的大小和类型。
 *  `thresh`：固定阈值，用于将像素分类为黑色或白色。
 *  `maxValue`：分配给大于阈值的像素的像素值。
 *  `thresholdType`：阈值类型，用于指定阈值化的方式，如 `THRESH_BINARY`、`THRESH_BINARY_INV` 等。

2.阈值类型：使用 `thresholdType` 参数可以选择不同的固定阈值化类型，以满足特定需求。一些常用的阈值类型包括：

*  `THRESH_BINARY`：二进制阈值化，大于阈值的像素值设为 `maxValue`，小于等于阈值的像素值设为 0。
 *  `THRESH_BINARY_INV`：反二进制阈值化，大于阈值的像素值设为 0，小于等于阈值的像素值设为 `maxValue`。
 *  `THRESH_TRUNC`：截断阈值化，大于阈值的像素值设为阈值，小于等于阈值的保持不变。
 *  `THRESH_TOZERO`：截断到零阈值化，大于阈值的像素值保持不变，小于等于阈值的像素值设为 0。
 *  `THRESH_TOZERO_INV`：反截断到零阈值化，大于阈值的像素值设为 0，小于等于阈值的像素值保持不变。![1aa025f7e88d4ac8a70400becc035b38.png][]

3.例子

![da934ff4be024af5b0aed70afe200201.png][]

（原图）

1.将彩色图像image转换为灰度图像

Mat gray;
        cvtColor(image,gray,COLOR_BGR2GRAY);

![960d26ecc2de41b5b2a35a00933f0fdb.jpeg][]

（灰度图像）

2.彩色图像二值化

Mat img_B,img_B_V;
        threshold(image,img_B,125,255,THRESH_BINARY);
        imwrite("/sdcard/DCIM/img_B.png",img_B);

![85825592d28b458eb52828523bb46e59.jpeg][]

3.灰度图BINARY二值化

Mat  gray_B,gray_B_V;
        threshold(gray,gray_B,125,255,THRESH_BINARY);
        threshold(gray,gray_B_V,125,255,THRESH_BINARY_INV);
        imwrite("/sdcard/DCIM/gray_B.png",gray_B);
        imwrite("/sdcard/DCIM/gray_B_V.png",gray_B_V);

![ac6d73c90e764ce19f12c2b91eb5667c.jpeg][] ![3e0953687b44475bac6bf0020409ea49.jpeg][]

gray\_B gray\_B\_V

4.灰度图像TOZERO变换

Mat  gray_T,gray_T_V;
        threshold(gray,gray_T,125,255,THRESH_TOZERO);
        threshold(gray,gray_T_V,125,255,THRESH_TOZERO_INV);
        imwrite("/sdcard/DCIM/gray_T.png",gray_T);
        imwrite("/sdcard/DCIM/gray_T_V.png",gray_T_V);

![29209147233a403c97ce32eaf9d13d81.jpeg][]![86e3f9e9eb184a3b970c31ef8a357090.jpeg][]

gray\_T gray\_T\_V

5.灰度图像TRUNC变换

Mat gray_TRUNC;
        threshold(gray,gray_TRUNC,125,255,THRESH_TRUNC);
        imwrite("/sdcard/DCIM/gray_TRUNC.png",gray_TRUNC);

![00ae0a319c6a4f1d892b9d99dac51016.jpeg][]

gray\_TRUNC  
6.灰度图像大津法和三角形法二值化

Mat img_Thr;
           cvtColor(image,img_Thr,COLOR_BGR2GRAY);
           Mat img_Thr_0,img_Thr_T;
        threshold(img_Thr,img_Thr_0,100,255,THRESH_BINARY|cv::THRESH_OTSU);
        threshold(img_Thr,img_Thr_T,125,255,THRESH_BINARY|cv::THRESH_TRIANGLE);
       imwrite("/sdcard/DCIM/img_Thr_0.png",img_Thr_0);
       imwrite("/sdcard/DCIM/img_Thr_T.png",img_Thr_T);

![c487a13181fe4d28a8b371e0c8fdc0e2.jpeg][] ![d5c24dd0ffe341eea8e16b4b612b73fe.jpeg][]

img\_Thr\_T img\_Thr\_0

#### 2.自适应阈值二值化 ####

1.自适应阈值函数：OpenCV中的自适应阈值二值化可以使用 adaptiveThreshold() 函数来实现。该函数的原型如下：

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

*  src：输入图像，通常为灰度图像。
 *  dst：输出二值图像，与输入图像具有相同的大小和类型。
 *  maxValue：分配给超过阈值的像素的像素值。
 *  adaptiveMethod：自适应阈值化方法，用于指定计算局部阈值的方式，可以是 ADAPTIVE\_THRESH\_MEAN\_C 或 ADAPTIVE\_THRESH\_GAUSSIAN\_C。
 *  thresholdType：阈值化类型，用于指定阈值化的方式，如 THRESH\_BINARY、THRESH\_BINARY\_INV 等。
 *  blockSize：用于计算局部阈值的像素领域大小。必须是奇数且大于1。
 *  C：从计算阈值中减去的常数。通常为正值。

2.自适应阈值化方法：使用 adaptiveMethod 参数可以选择不同的自适应阈值化方法，以满足特定需求。在OpenCV中，常见的自适应阈值化方法有两种：

*  ADAPTIVE\_THRESH\_MEAN\_C：根据领域中像素的均值计算局部阈值。
 *  ADAPTIVE\_THRESH\_GAUSSIAN\_C：根据领域中像素的加权和（权重为高斯窗口）计算局部阈值。

3.灰度图像转换：在进行自适应阈值二值化之前，要将彩色图像转换为灰度图像。可以使用 cvtColor() 函数将彩色图像转换为灰度图像。

cvtColor(image,img_Thr,COLOR_BGR2GRAY);

4.例子

Mat adaptive_mean,adaptive_gauss;
    adaptiveThreshold(img_Thr,adaptive_mean,255,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY,55,0);
    adaptiveThreshold(img_Thr,adaptive_gauss,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY,55,0);
    imwrite("/sdcard/DCIM/adaptive_mean.png",adaptive_mean);
    imwrite("/sdcard/DCIM/adaptive_gauss.png",adaptive_gauss);

![e6d2652bcf1e4cd29ae5c76600827b74.jpeg][] ![d3dee42f5cb94906a6b8addae19262ae.jpeg][]

adaptive\_gauss adaptive\_mean

#### 3.Android JNI完整代码 ####

#include <jni.h>
    #include <string>
    #include <android/bitmap.h>
    #include <opencv2/opencv.hpp>
    #include <iostream>
    #include <android/log.h>
    
    #define LOG_TAG "xxx"
    #define LOGD(...) __android_log_print(ANDROID_LOG_DEBUG, LOG_TAG, __VA_ARGS__)
    
    using namespace cv;
    using namespace std;
    extern "C"
    JNIEXPORT void JNICALL
    Java_com_example_myapplication_MainActivity_opencv_1test(JNIEnv *env, jclass clazz,
                                                             jobject bitmap) {
        AndroidBitmapInfo info;
        void *pixels;
    
        CV_Assert(AndroidBitmap_getInfo(env, bitmap, &info) >= 0);
        //判断图片是位图格式有RGB_565 、RGBA_8888
        CV_Assert(info.format == ANDROID_BITMAP_FORMAT_RGBA_8888 ||
                  info.format == ANDROID_BITMAP_FORMAT_RGB_565);
        CV_Assert(AndroidBitmap_lockPixels(env, bitmap, &pixels) >= 0);
        CV_Assert(pixels);
    
        //将bitmap转化为Mat类
        Mat image(info.height, info.width, CV_8UC4, pixels);
    
        Mat gray;
        cvtColor(image,gray,COLOR_BGR2GRAY);
        imwrite("/sdcard/DCIM/gray23.png",gray);
        Mat img_B,img_B_V,gray_B,gray_B_V,gray_T,gray_T_V,gray_TRUNC;
    
        //彩色图像二值化
        threshold(image,img_B,125,255,THRESH_BINARY);
        imwrite("/sdcard/DCIM/img_B.png",img_B);
    
        //灰度图BINARY二值化
        threshold(gray,gray_B,125,255,THRESH_BINARY);
        threshold(gray,gray_B_V,125,255,THRESH_BINARY_INV);
        imwrite("/sdcard/DCIM/gray_B.png",gray_B);
        imwrite("/sdcard/DCIM/gray_B_V.png",gray_B_V);
    
        //灰度图像TOZERO变换
        threshold(gray,gray_T,125,255,THRESH_TOZERO);
        threshold(gray,gray_T_V,125,255,THRESH_TOZERO_INV);
        imwrite("/sdcard/DCIM/gray_T.png",gray_T);
        imwrite("/sdcard/DCIM/gray_T_V.png",gray_T_V);
    
        //灰度图像TRUNC变换
        threshold(gray,gray_TRUNC,125,255,THRESH_TRUNC);
        imwrite("/sdcard/DCIM/gray_TRUNC.png",gray_TRUNC);
        //灰度图像大津法和三角形法二值化
           Mat img_Thr;
           cvtColor(image,img_Thr,COLOR_BGR2GRAY);
           Mat img_Thr_0,img_Thr_T;
        threshold(img_Thr,img_Thr_0,100,255,THRESH_BINARY|cv::THRESH_OTSU);
        threshold(img_Thr,img_Thr_T,125,255,THRESH_BINARY|cv::THRESH_TRIANGLE);
       imwrite("/sdcard/DCIM/img_Thr_0.png",img_Thr_0);
       imwrite("/sdcard/DCIM/img_Thr_T.png",img_Thr_T);
       
           Mat adaptive_mean,adaptive_gauss;
        adaptiveThreshold(img_Thr,adaptive_mean,255,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY,55,0);
        adaptiveThreshold(img_Thr,adaptive_gauss,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY,55,0);
        imwrite("/sdcard/DCIM/adaptive_mean.png",adaptive_mean);
        imwrite("/sdcard/DCIM/adaptive_gauss.png",adaptive_gauss);
    }

[1aa025f7e88d4ac8a70400becc035b38.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/affa6d5649794955882c5add72165f54.png
[da934ff4be024af5b0aed70afe200201.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/c6b3e260487b4072abf3939d96433194.png
[960d26ecc2de41b5b2a35a00933f0fdb.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/d49d3365a697495da7331e0dcdeea7fe.png
[85825592d28b458eb52828523bb46e59.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/14e22ee69fe94a519c0d34a04bc84793.png
[ac6d73c90e764ce19f12c2b91eb5667c.jpeg]: https://img-blog.csdnimg.cn/ac6d73c90e764ce19f12c2b91eb5667c.jpeg
[3e0953687b44475bac6bf0020409ea49.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/100c35896ab34087b2a82e5516ebe159.png
[29209147233a403c97ce32eaf9d13d81.jpeg]: https://img-blog.csdnimg.cn/29209147233a403c97ce32eaf9d13d81.jpeg
[86e3f9e9eb184a3b970c31ef8a357090.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/53af9e911edf456b94f12bd9991d6305.png
[00ae0a319c6a4f1d892b9d99dac51016.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/9f27302c19424d4989669837ce3324f8.png
[c487a13181fe4d28a8b371e0c8fdc0e2.jpeg]: https://img-blog.csdnimg.cn/c487a13181fe4d28a8b371e0c8fdc0e2.jpeg
[d5c24dd0ffe341eea8e16b4b612b73fe.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/dd54dc6da5634bd49b691762f671f6a0.png
[e6d2652bcf1e4cd29ae5c76600827b74.jpeg]: https://img-blog.csdnimg.cn/e6d2652bcf1e4cd29ae5c76600827b74.jpeg
[d3dee42f5cb94906a6b8addae19262ae.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/d4ceb17993564cb994c92e4d62e6a5e3.png