函数原型
void adaptiveThreshold( InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C );
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maxval，阈值最大值。
- int类型的adaptiveMethod，自适应阈值算法类型。0为ADAPTIVE_THRESH_MEAN_C（均值法获取阈值），1为ADAPTIVE_THRESH_GAUSSIAN_C（高斯窗加权和获取阈值）。
- int类型的thresholdType，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）。
- int类型的blockSize，窗口的大小，只能为奇数。
- double类型的C，自适应阈值算法得到平均值或加权平均值后，再减的常数值。
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; // 自适应阈值函数 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; }
测试效果
图1 灰度图
图2 均值窗
图3 高斯窗
该自适应阈值函数可以用来获取图像边缘特征，用mean或者gaussian都可以；设置常数C时，若其为正数，相当于窗口内求完平均值再减去C的值为阈值，这样对那些颜色类似的区域而言，假设C为5，平均值为120，中心值为119，那么阈值为115，中心值大于阈值，即该点显示为白色；反之，若C为负数，则上图中背景区域基本就是黑色了~
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！
