计算机视觉
图像处理

OpenCV基于局部自适应阈值的图像二值化

在图像处理应用中二值化操作是一个很常用的处理方式,例如零器件图片的处理、文本图片和验证码图片中字符的提取、车牌识别中的字符分割,以及视频图像中的运动目标检测中的前景分割,等等。

较为常用的图像二值化方法有:1)全局固定阈值;2)局部自适应阈值;3)OTSU等。

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;

局部自适应阈值则是根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值。这样做的好处在于每个像素位置处的二值化阈值不是固定不变的,而是由其周围邻域像素的分布来决定的。亮度较高的图像区域的二值化阈值通常会较高,而亮度较低的图像区域的二值化阈值则会相适应地变小。不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。常用的局部自适应阈值有:1)局部邻域块的均值;2)局部邻域块的高斯加权和。

Opencv中实现了以上几种二值化方法。

下面这段代码对比了全局固定阈值与局部自适应阈值的二值化结果。

#include 
#include <opencv2/opencv.hpp>

int main(int argc, char** argv)
{
	cv::Mat image = cv::imread("../test.bmp", CV_LOAD_IMAGE_GRAYSCALE);
	if (image.empty())
	{
		std::cout<<"read image failure"<<std::endl;
		return -1;
	}

	// 全局二值化
	int th = 100; 
	cv::Mat global;
	cv::threshold(image, global, th, 255, CV_THRESH_BINARY_INV);


	// 局部二值化

	int blockSize = 25;
	int constValue = 10;
	cv::Mat local;
	cv::adaptiveThreshold(image, local, 255, CV_ADAPTIVE_THRESH_MEAN_C, CV_THRESH_BINARY_INV, blockSize, constValue);


	cv::imwrite("global.jpg", global);
	cv::imwrite("local.jpg", local);

	cv::imshow("globalThreshold", global);
	cv::imshow("localThreshold", local);
	cv::waitKey(0);


	return 0;
}

原图:

全局固定阈值二值化结果(T = 100)

局部自适应阈值二值化结果(块大小 = 25)

转载注明来源:CV视觉网 » OpenCV基于局部自适应阈值的图像二值化

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

0不错 0超赞 0无聊 0扯淡 0不解 0路过

评论 20

评论前必须登录!