圖像二值化

簡介

圖像二值化（ Image Binarization）就是將圖像上的像素點的灰度值設(shè)置為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果的過程。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，圖像的二值化使圖像中數(shù)據(jù)量大為減少，從而能凸顯出目標(biāo)的輪廓。

原理

圖像的二值化處理就是將圖像上的點的灰度值為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。即將256個亮度等級的灰度圖像通過適當(dāng)?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實用的圖像處理中，以二值圖像處理實現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于在對圖像做進(jìn)一步處理時，圖像的集合性質(zhì)只與像素值為0或255的點的位置有關(guān)，不再涉及像素的多級值，使處理變得簡單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。 如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個具有其他等級灰度值的均勻背景下，使用閾值法就可以得到比較的分割效果。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個差別特征轉(zhuǎn)換為灰度的差別，然后利用閾值選取技術(shù)來分割該圖像。動態(tài)調(diào)節(jié)閾值實現(xiàn)圖像的二值化可動態(tài)觀察其分割圖像的具體結(jié)果。

API

全局閾值化：threshold

public static double threshold(Mat src, Mat dst, double thresh, double maxval, int type)

• 參數(shù)一：src，待二值化的多通道圖像，只能是CV_8U和CV_32F兩種數(shù)據(jù)類型
• 參數(shù)二：dst，二值化后的圖像，與輸入圖像具有相同的尺寸、類型和通道數(shù)
• 參數(shù)三：thresh，二值化的閾值
• 參數(shù)四：maxval，二值化過程的最大值，此函數(shù)只在THRESH_BINARY和THRESH_BINARY_INV兩種二值化方法中才使用
• 參數(shù)五：type，二值化類型

二值化類型

// C++: enum ThresholdTypes public static final intTHRESH_BINARY = 0,THRESH_BINARY_INV = 1,THRESH_TRUNC = 2,THRESH_TOZERO = 3,THRESH_TOZERO_INV = 4,THRESH_MASK = 7,THRESH_OTSU = 8,THRESH_TRIANGLE = 16; bledata-draft-node="block" data-draft-type="table" data-size="normal" data-row-style="normal">

THRESH_OTSU和THRESH_TRIANGLE

這兩種標(biāo)志是獲取閾值的方法，并不是閾值的比較方法的標(biāo)志，這兩個標(biāo)志可以和前面5種標(biāo)志一起使用，例如“THRESH_BINARY| THRESH_OTSU”。前面5種標(biāo)志在調(diào)用函數(shù)時都需要人為的設(shè)置閾值，如果對圖像不了解設(shè)置的閾值不合理，會對處理后的效果造成嚴(yán)重的影響，這兩個標(biāo)志分別表示利用大津法（OTSU）和三角形法（TRIANGLE）結(jié)合圖像灰度值分布特性獲取二值化的閾值，并將閾值以函數(shù)返回值的形式給出。因此如果函數(shù)最后一個參數(shù)設(shè)置了這兩個標(biāo)志中的任何一個，那么函數(shù)第三個參數(shù)thresh將由系統(tǒng)自動給出，但是在調(diào)用函數(shù)的時候仍然不能缺省，只是程序不會使用這個數(shù)值。目前，只有針對CV_8UC1圖像可使用這兩種標(biāo)志位。

大津法（OTSU）：最適用于雙波峰

大津法又叫最大類間方差法、最大類間閾值法（OTSU）。它的基本思想是，用一個閾值將圖像中的數(shù)據(jù)分為兩類，一類中圖像的像素點的灰度均小于這個閾值，另一類中的圖像的像素點的灰度均大于或者等于該閾值。如果這兩個類中像素點的灰度的方差越大，說明獲取到的閾值就是最佳的閾值（方差是灰度分布均勻性的一種度量,背景和前景之間的類間方差越大,說明構(gòu)成圖像的兩部分的差別越大,當(dāng)部分前景錯分為背景或部分背景錯分為前景都會導(dǎo)致兩部分差別變小。因此,使類間方差最大的分割意味著錯分概率最小。）。則利用該閾值可以將圖像分為前景和背景兩個部分。而我們所感興趣的部分一般為前景。

三角形法（TRIANGLE）：最適用于單個波峰，最開始用于醫(yī)學(xué)分割細(xì)胞等

三角法求閾值最早見于Zack的論文《Automatic measurement of sister chromatid exchange frequency》主要是用于染色體的研究，該方法是使用直方圖數(shù)據(jù)，基于純幾何方法來尋找最佳閾值，它的成立條件是假設(shè)直方圖最大波峰在靠近最亮的一側(cè)，然后通過三角形求得最大直線距離，根據(jù)最大直線距離對應(yīng)的直方圖灰度等級即為分割閾值，圖示如下：

在直方圖上從最高峰處bmx到最暗對應(yīng)直方圖bmin(p=0)%構(gòu)造一條直線，從bmin處開始計算每個對應(yīng)的直方圖b到直線的垂直距離，知道bmax為止，其中最大距離對應(yīng)的直方圖位置即為圖像二值化對應(yīng)的閾值T。
有時候最大波峰對應(yīng)位置不在直方圖最亮一側(cè)，而在暗的一側(cè)，這樣就需要翻轉(zhuǎn)直方圖，翻轉(zhuǎn)之后求得值，用255減去即得到為閾值T。擴展情況的直方圖表示如下：

算法步驟

圖像轉(zhuǎn)灰度

計算圖像灰度直方圖

尋找直方圖中兩側(cè)邊界

尋找直方圖最大值

檢測是否最大波峰在亮的一側(cè)，否則翻轉(zhuǎn)

計算閾值得到閾值T，如果翻轉(zhuǎn)則255-T

局部閾值化：adaptiveThreshold

局部自適應(yīng)閾值是根據(jù)像素的鄰域塊的像素值分布來確定該像素位置上的二值化閾值。這樣做的好處在于每個像素位置處的二值化閾值不是固定不變的，而是由其周圍鄰域像素的分布來決定的。亮度較高的圖像區(qū)域的二值化閾值通常會較高，而亮度較低的圖像區(qū)域的二值化閾值則會相適應(yīng)地變小。不同亮度、對比度、紋理的局部圖像區(qū)域?qū)碛邢鄬?yīng)的局部二值化閾值。public static void adaptiveThreshold(Mat src, Mat dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C)

• 參數(shù)一：src，待二值化的圖像，圖像只能是CV_8UC1數(shù)據(jù)類型
• 參數(shù)二：dst，二值化后的圖像，與輸入圖像具有相同的尺寸、類型
• 參數(shù)三：maxValue，二值化的最大值
• 參數(shù)四：adaptiveMethod，自適應(yīng)閾值算法，分為均值法ADAPTIVE_THRESH_MEAN_C和高斯法ADAPTIVE_THRESH_GAUSSIAN_C這兩種。
• 參數(shù)五：thresholdType，選擇圖像二值化方法的標(biāo)志，只能是THRESH_BINARY和THRESH_BINARY_INV
• 參數(shù)六：blockSize，自適應(yīng)確定閾值的像素鄰域大小，一般為3，5，7的奇數(shù)
• 參數(shù)七：C，從平均值或者加權(quán)平均值中減去的常數(shù)，可以為正，也可以為負(fù)

自適應(yīng)閾值算法

// C++: enum AdaptiveThresholdTypes public static final intADAPTIVE_THRESH_MEAN_C = 0,ADAPTIVE_THRESH_GAUSSIAN_C = 1; bledata-draft-node="block" data-draft-type="table" data-size="normal" data-row-style="normal">

操作

private fun threshold(type: Int) {val ret = Mat()Imgproc.threshold(mGray, ret, 127.toDouble(), 255.toDouble(), type)showMat(ret)title = getTypeName(type) }private fun adaptiveMean() {val ret = Mat()Imgproc.adaptiveThreshold(mGray,ret,255.toDouble(),Imgproc.ADAPTIVE_THRESH_MEAN_C,Imgproc.THRESH_BINARY,55,0.0)showMat(ret)title = "ADAPTIVE_THRESH_MEAN_C" }

結(jié)果

源碼

onlyloveyd/LearningAndroidOpenCV?github.com

掃碼關(guān)注

總結(jié)

以上是生活随笔為你收集整理的二值化图像的欧拉数_Android OpenCV（八）：图像二值化的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。