作者：翟天保Steven
著作權宣告：著作權歸作者所有，商業轉載請聯系作者獲得授權，非商業轉載請注明出處
函式原型
void adaptiveThreshold( InputArray src, OutputArray dst,
double maxValue, int adaptiveMethod,
int thresholdType, int blockSize, double C );引數說明
- InputArray型別的src，輸入影像，
- OutputArray型別的dst，輸出影像，
- double型別的maxval，閾值最大值，
- int型別的adaptiveMethod，自適應閾值演算法型別，0為ADAPTIVE_THRESH_MEAN_C（均值法獲取閾值），1為ADAPTIVE_THRESH_GAUSSIAN_C（高斯窗加權和獲取閾值），
- int型別的thresholdType，閾值操作的型別，0為THRESH_BINARY（標準的二值化閾值法，大于thresh的設為maxval，小于的設為0），1為THRESH_BINARY_INV（反向二值化），2為THRESH_TRUNC（截斷閾值法，大于thresh的設為thresh，小于則不變），3為THRESH_TOZERO（零化閾值法，大于thresh的不變，小于則零化），4為THRESH_TOZERO_INV（反向零化），7為THRESH_MASK（沒測驗出來什么用法，都是黑屏），8為THRESH_OTSU（大津演算法，適合雙峰直方圖的影像，通過分析最大的背景前景類間方差，自動調節閾值），16為THRESH_TRIANGLE（三角法，適合單峰直方圖影像，建立谷底和峰頂直線，距離直線垂直距離最大的直方圖位置，即閾值thresh），
- int型別的blockSize，視窗的大小，只能為奇數，
- double型別的C，自適應閾值演算法得到平均值或加權平均值后，再減的常數值，
測驗代碼
#include <iostream>
#include "opencv2/core.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
using namespace cv;
using namespace std;
int main()
{
cv::Mat src = imread("test.jpg",0);
cv::Mat th1,th2;
// 自適應閾值函式
adaptiveThreshold(src, th1, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 7, 5);
adaptiveThreshold(src, th2,255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 7, 5);
imshow("original", src);
imshow("mean", th1);
imshow("gaussian", th2);
waitKey(0);
return 0;
}
測驗效果
該自適應閾值函式可以用來獲取影像邊緣特征，用mean或者gaussian都可以；設定常數C時，若其為正數，相當于視窗內求完平均值再減去C的值為閾值，這樣對那些顏色類似的區域而言，假設C為5，平均值為120，中心值為119，那么閾值為115，中心值大于閾值，即該點顯示為白色；反之，若C為負數，則上圖中背景區域基本就是黑色了~
如果文章幫助到你了，可以點個贊讓我知道，我會很快樂~加油！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/310678.html
標籤：其他