在简单的阈值处理中,阈值是全局的,即对于图像中的所有像素是相同的。 自适应阈值法是针对较小区域计算阈值的方法,因此对于不同区域将存在不同的阈值。
在OpenCV中,可以使用Imgproc
类的adaptiveThreshold()
方法对图像执行自适应阈值操作。 以下是此方法的语法。
adaptiveThreshold(src, dst, maxValue, adaptiveMethod, thresholdType, blockSize, C)
该方法接受以下参数 -
Mat
类的对象。Mat
类的对象。double
类型的变量,表示像素值大于阈值时的值。ADAPTIVE_THRESH_MEAN_C
- 阈值是邻域的平均值。ADAPTIVE_THRESH_GAUSSIAN_C
- 阈值是权重是高斯窗口的邻域值的加权和。double
类型变量。示例
以下程序演示如何在OpenCV中的图像上执行自适应阈值操作。 这里选择二进制类型的自适应阈值和阈值,在方法中使用ADAPTIVE_THRESH_MEAN_C
常量。
package com.zyiz.thresholding; import org.opencv.core.Core; import org.opencv.core.Mat; import org.opencv.imgcodecs.Imgcodecs; import org.opencv.imgproc.Imgproc; public class AdaptiveThresh { public static void main(String args[]) throws Exception { // Loading the OpenCV core library System.loadLibrary(Core.NATIVE_LIBRARY_NAME); // Reading the Image from the file and storing it in to a Matrix object String file = "F:/worksp/opencv/images/sample2.jpg"; // Reading the image Mat src = Imgcodecs.imread(file, 0); // Creating an empty matrix to store the result Mat dst = new Mat(); Imgproc.adaptiveThreshold(src, dst, 125, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY, 11, 12); // Writing the image Imgcodecs.imwrite("F:/worksp/opencv/images/sample2Adaptivemean_thresh_binary.jpg", dst); System.out.println("Image Processed"); } }
假定以下是上述程序中指定的输入图像sample2.jpg
。
执行上面示例代码,得到以下结果 -
除了ADAPTIVE_THRESH_MEAN_C
作为自适应方法,THRESH_BINARY
作为阈值类型之外,可以选择更多这两个值的组合。
Imgproc.adaptiveThreshold(src, dst, 125, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY, 11, 12);
其他的固定值有 -
Imgproc.THRESH_BINARY
Imgproc.THRESH_BINARY_INV