函数原型
double threshold( InputArray src, OutputArray dst, double thresh, double maxval, int type );
参数说明
InputArray类型的src，输入图像。
OutputArray类型的dst，输出图像。
double类型的thresh，阈值的具体值。
double类型的maxval，阈值最大值。
int类型的type，阈值操作的类型，0为THRESH_BINARY（标准的二值化阈值法，大于thresh的设为maxval，小于的设为0），1为THRESH_BINARY_INV（反向二值化），2为THRESH_TRUNC（截断阈值法，大于thresh的设为thresh，小于则不变），3为THRESH_TOZERO（零化阈值法，大于thresh的不变，小于则零化），4为THRESH_TOZERO_INV（反向零化），7为THRESH_MASK（没测试出来什么用法，都是黑屏），8为THRESH_OTSU（大津算法，适合双峰直方图的图像，通过分析最大的背景前景类间方差，自动调节阈值），16为THRESH_TRIANGLE（三角法，适合单峰直方图图像，建立谷底和峰顶直线，距离直线垂直距离最大的直方图位置，即阈值thresh）。
测试代码
#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,th3,th4,th5; // 最大类间差法，也称大津算法 threshold(src, th1, 0, 255, THRESH_OTSU); // 常规阈值分割法 threshold(src, th2, 100, 255, THRESH_BINARY); // 截断阈值分割法 threshold(src, th3, 80, 255, THRESH_TRUNC); // 零化阈值分割法 threshold(src, th4, 100, 255, THRESH_TOZERO); // 三角法 threshold(src, th5, 0, 255, THRESH_TRIANGLE); imshow("original", src); imshow("otsu", th1); imshow("binary", th2); imshow("trunc", th3); imshow("zero", th4); imshow("triangle", th5); waitKey(0); return 0; }
测试效果
图1 灰度图
图2 大津算法效果图
图4 截断阈值分割法效果图
图5 零化阈值分割法效果图
图6 三角法效果图
图3 常规阈值分割法效果图
一般来说，opencv提供的阈值函数可以适用大多数场景，针对特殊场景，可以根据自身需求自行设计阈值算法。另外，大津算法针对图像灰度接近的场景挺有效的，用其他算法可能无法精确分离；三角法在图像对比度较大的场景比较好用，可以较好地识别出目标区域，但是这个区域可能偏大些，一般配合边缘渐变算法使边缘平滑过渡~
如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！
