OpenCV開發筆記（二十九）：帶你學習圖像識別之自適應閾值化

若該文爲原創文章，未經允許不得轉載
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/104811545
各位讀者，知識無窮而人力有窮，要麼改需求，要麼找專業人士，要麼自己研究

目錄

前言

Demo

自適應閾值化

概述

自適應閾值化函數原型

顏色空間轉換函數原型

Demo源碼

工程模板：對應版本號v1.24.0

---

OpenCV開發專欄

《OpenCV開發筆記（〇）：使用mingw530_32編譯openCV3.4.1源碼，搭建Qt5.9.3的openCV開發環境》

《OpenCV開發筆記（一）：OpenCV介紹、編譯》

《OpenCV開發筆記（二）：cvui交互界面》

《OpenCV開發筆記（三）：OpenCV圖像的概念和基本操作》

《OpenCV開發筆記（四）：OpenCV圖片和視頻數據的讀取與存儲》

《OpenCV開發筆記（五）：OpenCV讀取與操作攝像頭》

《OpenCV開發筆記（六）：OpenCV基礎數據結構、顏色轉換函數和顏色空間》

《OpenCV開發筆記（七）：OpenCV基礎圖形繪製》

《OpenCV開發筆記（八）：OpenCV常用操作之計時、縮放、旋轉、鏡像》

《OpenCV開發筆記（九）：OpenCV區域圖像（ROI）和整體、局部圖像混合》

《OpenCV開發筆記（十）：OpenCV圖像顏色通道分離和圖像顏色多通道混合》

《OpenCV開發筆記（十一）：OpenCV編譯支持Gpu(cuda) 加速開發之win-qt-mingw32編譯》

《OpenCV開發筆記（十二）：OpenCV編譯支持Gpu(cuda) 加速開發之win-qt-msvc2015編譯(opencv3.4.0、cuda9.0、VS2015)》

《OpenCV開發筆記（十三）：OpenCV圖像對比度、亮度的調整》

《OpenCV開發筆記（十四）：算法基礎之線性濾波-方框濾波》

《OpenCV開發筆記（十五）：算法基礎之線性濾波-均值濾波》

《OpenCV開發筆記（十六）：算法基礎之線性濾波-高斯濾波》

《OpenCV開發筆記（十七）：算法基礎之線性濾波對比-方框、均值、高斯濾波》

《OpenCV開發筆記（十八）：算法基礎之非線性濾波-中值濾波》

《OpenCV開發筆記（十九）：算法基礎之非線性濾波-雙邊濾波》

《OpenCV開發筆記（二十）：算法基礎之非線性濾波對比-中值、雙邊濾波》

《OpenCV開發筆記（二十一）：算法基礎之形態學濾波-膨脹》

《OpenCV開發筆記（二十二）：算法基礎之形態學濾波-腐蝕》

《OpenCV開發筆記（二十三）：算法基礎之形態學濾波-開運算》

《OpenCV開發筆記（二十四）：算法基礎之形態學濾波-閉運算》

《OpenCV開發筆記（二十五）：算法基礎之形態學濾波-形態學梯度》

《OpenCV開發筆記（二十六）：算法基礎之形態學濾波-頂帽（禮帽）》

《OpenCV開發筆記（二十七）：算法基礎之形態學濾波-黑帽》

《OpenCV開發筆記（二十八）：帶你學習圖像識別之閾值化》

《OpenCV開發筆記（二十九）：帶你學習圖像識別之自適應閾值》

《OpenCV開發筆記（三十）：帶你學習圖像識別之經典OTSU算法閾值化》

《OpenCV開發筆記（三十一）：帶你學習圖像識別之雙閾值化》

《OpenCV開發筆記（三十二）：帶你學習圖像識別之半閾值化》

持續補充中…

 

    OpenCV開發筆記（二十九）：帶你學習圖像識別之自適應閾值化

 

前言

      上一篇中講解了閾值化（固定閾值化），對應的還有自適應閾值化。

 

Demo

 

自適應閾值化

概述

      自適應閾值化是相對於固定閾值化的叫法，之前通過固定閾值化的篇章《OpenCV開發筆記（二十八）：帶你學習圖像識別之閾值化》可以從Demo上看出可以分割的效果。但是在實際的場景用，目標和背景區域通常是依存的圖像塊中，於是可以通過圖像像素領域塊的分佈特徵 來自適應確定區域的二值化閾值。

自適應閾值化就是根據圖像中亮度變化明顯的區域（亮或暗），自適應閾值通常會，進而保證圖像中各個像素的閾值會隨着周圍領域塊的變化而變化。

也就是說，沒有固定閾值了，完全是通過周圍色差對比來進行閾值化，這樣便於背景與物體本身差距有點大的圖片分割，也就能得到更好的分割效果。

自適應閾值化函數原型

void adaptiveThreshold( InputArray src,
                        OutputArray dst,
                        double maxValue,
                        int adaptiveMethod,
                        int thresholdType,
                        int blockSize,
                        double C );

• 參數一：InputArray類型，一般是cv::Mat，只能處理單通道的8位圖像。
• 參數二；OutputArray類型，輸出的目標圖像，需要和原圖片有一樣的尺寸和類型。
• 參數三：double類型的maxval，分配給滿足條件的像素的最大值非零值。
• 參數四：int類型的adaptiveMethod，adaptiveMethod要使用的自適應閾值算法，使用#BORDER_REPLICATE或#BORDER_ISOLATED來處理邊界。、

• 參數五：int類型的thresholdType，閾值類型必須是#THRESH_BINARY或#THRESH_BINARY_INV。

• 參數六：int類型的blockSize，塊大小像素鄰域的大小，用於計算像素：3、5、7等。
• 參數七：double類型的C，C從平均值或加權平均值中減去的常數（見下面的詳細信息）。一般來說是正的，但也可以是零或負的。

顏色空間轉換函數原型

void cvtColor( InputArray src,
            OutputArray dst,
            int code,
            int dstCn = 0 );

• 參數一：InputArray類型，一般是cv::Mat，8位無符號，16位無符號（CV_16UC…）或單精度浮點，主要與code對顏色空間的轉換一一對應。
• 參數二；OutputArray類型，輸出的目標圖像，主要與code對顏色空間的轉換一一對應（通道數），與輸入圖像的尺寸大小和深度是一樣的，當參數四dstCn不等於0時，則依據設置生成。
• 參數三：int類型的code，代碼顏色空間轉換代碼（請參見ColorConversionCodes枚舉）。
• 參數四：int類型的dstCn，目標圖像中的通道數；如果參數爲0，則通道是從src和代碼自動派生的。

 

Demo源碼

void OpenCVManager::testAdaptiveThreshold()
{
    QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/4.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    cv::Mat thresh1Mat = cv::imread("E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/thresh1.png");
    cv::Mat thresh2Mat = cv::imread("E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/thresh2.png");
    cv::resize(thresh1Mat, thresh1Mat, cv::Size(160, 80));
    cv::resize(thresh2Mat, thresh2Mat, cv::Size(160, 80));

    int width = 200;
    int height = 160;
    cv::resize(srcMat, srcMat, cv::Size(width, height));

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);

    if(!srcMat.data)
    {
        qDebug() << __FILE__ << __LINE__
                 << "Failed to load image:" << fileName1;
        return;
    }

    qDebug() << __FILE__ << __LINE__
             << "Succeed to load image, type =" << srcMat.type()
             << "channels = " << srcMat.channels();

    cv::Mat dstMat;
    dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 4, dstMat.rows * 3),
                                srcMat.type());

    int maxValue = 255;
    int blockSize = 1;
    int c = 0;

    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);
        // 原圖先copy到左邊
        cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
                                    cv::Range(0, srcMat.cols));
        cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);

        // 調整閾值化的參數maxValue
        cvui::printf(windowMat, width * 2 + 100, 0 + height * 0, "maxValue");
        cvui::trackbar(windowMat, width * 2 + 100, 10 + height * 0, 250, &maxValue, 0, 255);

        // 調整閾值化的參數blockSize
        cvui::printf(windowMat, width * 2 + 100, 45 + height * 0, "blockSize");
        cvui::trackbar(windowMat, width * 2 + 100, 55 + height * 0, 250, &blockSize, 1, 25);

        // 調整閾值化的參數c
        cvui::printf(windowMat, width * 2 + 100, 90 + height * 0, "c");
        cvui::trackbar(windowMat, width * 2 + 100, 100 + height * 0, 250, &c, -100, 100);

        cv::Mat tempMat;
        cvui::printf(windowMat, width * 0 + 0, 0 + height * 1, "ADAPTIVE_THRESH_MEAN_C");
        cvui::printf(windowMat, width * 0 + 0, 15 + height * 1, "THRESH_BINARY");
        cvui::printf(windowMat, width * 0 + 0, 30 + height * 1, "maxValue = %d", maxValue);
        cvui::printf(windowMat, width * 0 + 0, 45 + height * 1, "blockSize = %d", blockSize * 2 + 1);
        cvui::printf(windowMat, width * 0 + 0, 60 + height * 1, "c = %d", c);
        tempMat = windowMat(cv::Range(srcMat.rows * 1 + 70, srcMat.rows * 2 - 10),
                            cv::Range(srcMat.cols * 0 + 20, srcMat.cols * 1 - 20));
        cv::addWeighted(tempMat, 0.0f, thresh1Mat, 1.0f, 0.0f, tempMat);
        cvui::printf(windowMat, width * 1 + 0, 0 + height * 1, "ADAPTIVE_THRESH_MEAN_C");
        cvui::printf(windowMat, width * 1 + 0, 15 + height * 1, "THRESH_BINARY_INV");
        cvui::printf(windowMat, width * 1 + 0, 30 + height * 1, "maxValue = %d", maxValue);
        cvui::printf(windowMat, width * 1 + 0, 45 + height * 1, "blockSize = %d", blockSize * 2 + 1);
        cvui::printf(windowMat, width * 1 + 0, 60 + height * 1, "c = %d", c);
        tempMat = windowMat(cv::Range(srcMat.rows * 1 + 70, srcMat.rows * 2 - 10),
                            cv::Range(srcMat.cols * 1 + 20, srcMat.cols * 2 - 20));
        cv::addWeighted(tempMat, 0.0f, thresh2Mat, 1.0f, 0.0f, tempMat);
        cvui::printf(windowMat, width * 2 + 0, 0 + height * 1, "ADAPTIVE_THRESH_GAUSSIAN_C");
        cvui::printf(windowMat, width * 2 + 0, 15 + height * 1, "THRESH_BINARY");
        cvui::printf(windowMat, width * 2 + 0, 30 + height * 1, "maxValue = %d", maxValue);
        cvui::printf(windowMat, width * 2 + 0, 45 + height * 1, "blockSize = %d", blockSize * 2 + 1);
        cvui::printf(windowMat, width * 2 + 0, 60 + height * 1, "c = %d", c);
        tempMat = windowMat(cv::Range(srcMat.rows * 1 + 70, srcMat.rows * 2 - 10),
                            cv::Range(srcMat.cols * 2 + 20, srcMat.cols * 3 - 20));
        cv::addWeighted(tempMat, 0.0f, thresh1Mat, 1.0f, 0.0f, tempMat);
        cvui::printf(windowMat, width * 3 + 0, 0 + height * 1, "ADAPTIVE_THRESH_GAUSSIAN_C");
        cvui::printf(windowMat, width * 3 + 0, 15 + height * 1, "THRESH_BINARY_INV");
        cvui::printf(windowMat, width * 3 + 0, 30 + height * 1, "maxValue = %d", maxValue);
        cvui::printf(windowMat, width * 3 + 0, 45 + height * 1, "blockSize = %d", blockSize * 2 + 1);
        cvui::printf(windowMat, width * 3 + 0, 60 + height * 1, "c = %d", c);
        tempMat = windowMat(cv::Range(srcMat.rows * 1 + 70, srcMat.rows * 2 - 10),
                            cv::Range(srcMat.cols * 3 + 20, srcMat.cols * 4 - 20));
        cv::addWeighted(tempMat, 0.0f, thresh2Mat, 1.0f, 0.0f, tempMat);
        // 轉換成灰度圖像
        cv::Mat grayMat;    // 多通道
        cv::Mat grayMat2;   // 單通道
#if 1
        // CV_XXXX 與 cv::COLOR_BGR2GRAY 實際並沒有區別 是高低版本表現形式的問題
        cv::cvtColor(srcMat, grayMat2, CV_BGR2GRAY);
        cv::cvtColor(grayMat2, grayMat, CV_GRAY2BGR);
#else
        cv::cvtColor(srcMat, grayMat2, cv::COLOR_BGR2GRAY);
        cv::cvtColor(grayMat2, grayMat, cv::COLOR_GRAY2BGR);
#endif
        // 效果圖copy
        cv::Mat rightMat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
                                     cv::Range(srcMat.cols * 1, srcMat.cols * 2));
        cv::addWeighted(rightMat, 0.0f, grayMat, 1.0f, 0.0f, rightMat);
        {
            // 自適應閾值
            cv::adaptiveThreshold(grayMat2, 
                                  dstMat, 
                                  maxValue, 
                                  cv::ADAPTIVE_THRESH_MEAN_C,
                                  cv::THRESH_BINARY, 
                                  blockSize * 2 + 1, 
                                  c);
            cv::cvtColor(dstMat, dstMat, CV_GRAY2BGR);
            // 效果圖copy
            cv::Mat center = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                         cv::Range(srcMat.cols * 0, srcMat.cols * 1));
            cv::addWeighted(center, 0.0f, dstMat, 1.0f, 0.0f, center);

            // 自適應閾值
            cv::adaptiveThreshold(grayMat2, 
                                  dstMat, 
                                  maxValue,
                                  cv::ADAPTIVE_THRESH_MEAN_C, 
                                  cv::THRESH_BINARY_INV, 
                                  blockSize * 2 + 1, 
                                  c);
            cv::cvtColor(dstMat, dstMat, CV_GRAY2BGR);
            // 效果圖copy
            cv::Mat center2 = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                         cv::Range(srcMat.cols * 1, srcMat.cols * 2));
            cv::addWeighted(center2, 0.0f, dstMat, 1.0f, 0.0f, center2);

            // 自適應閾值
            cv::adaptiveThreshold(grayMat2, 
                                  dstMat, 
                                  maxValue, 
                                  cv::ADAPTIVE_THRESH_GAUSSIAN_C, 
                                  cv::THRESH_BINARY, 
                                  blockSize * 2 + 1, 
                                  c);
            cv::cvtColor(dstMat, dstMat, CV_GRAY2BGR);
            // 效果圖copy
            cv::Mat center3 = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                         cv::Range(srcMat.cols * 2, srcMat.cols * 3));
            cv::addWeighted(center3, 0.0f, dstMat, 1.0f, 0.0f, center3);

            // 自適應閾值
            cv::adaptiveThreshold(grayMat2, 
                                  dstMat,
                                  maxValue, 
                                  cv::ADAPTIVE_THRESH_GAUSSIAN_C, 
                                  cv::THRESH_BINARY_INV, 
                                  blockSize * 2 + 1, 
                                  c);
            cv::cvtColor(dstMat, dstMat, CV_GRAY2BGR);
            // 效果圖copy
            cv::Mat center4 = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                                         cv::Range(srcMat.cols * 3, srcMat.cols * 4));
            cv::addWeighted(center4, 0.0f, dstMat, 1.0f, 0.0f, center4);
        }

        // 更新
        cvui::update();
        // 顯示
        cv::imshow(windowName, windowMat);
        // esc鍵退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}

 

工程模板：對應版本號v1.24.0

      對應版本號v1.24.0

原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/104811545