标签：
最简单的图像切割的方法。
应用举例：从一副图像中利用阈值切割出我们须要的物体部分（当然这里的物体能够是一部分或者总体）。这种图像切割方法是基于图像中物体与背景之间的灰度差异。并且此切割属于像素级的切割。
为了从一副图像中提取出我们须要的部分，应该用图像中的每个像素点的灰度值与选取的阈值进行比較，并作出对应的推断。
（注意：阈值的选取依赖于详细的问题。即：物体在不同的图像中有可能会有不同的灰度值。
一旦找到了须要切割的物体的像素点，我们能够对这些像素点设定一些特定的值来表示。（比如：能够将该物体的像素点的灰度值设定为：‘0’（黑色）,其它的像素点的灰度值为：‘255’（白色）；当然像素点的灰度值能够随意，但最好设定的两种颜色对照度较强，方便观察结果）。
OpenCV中提供了阈值（threshold）函数： threshold 。
这个函数有5种阈值化类型，在接下来的章节中将会详细介绍。
为了解释阈值切割的过程。我们来看一个简单有关像素灰度的图片。该图例如以下。该图中的蓝色水平线代表着详细的一个阈值。
该阈值化类型例如以下式所看到的:
解释：在运用该阈值类型的时候。先要选定一个特定的阈值量。比方：125。这样，新的阈值产生规则能够解释为大于125的像素点的灰度值设定为最大值(如8位灰度值最大为255)。灰度值小于125的像素点的灰度值设定为0。
该阈值类型例如以下式所看到的：
解释：该阈值化与二进制阈值化相似，先选定一个特定的灰度值作为阈值，只是最后的设定值相反。
（在8位灰度图中，比如大于阈值的设定为0。而小于该阈值的设定为255）。
该阈值化类型例如以下式所看到的：
解释：相同首先须要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。
（比如：阈值选取为125，那小于125的阈值不改变。大于125的灰度值（230）的像素点就设定为该阈值）。
该阈值类型例如以下式所看到的：
解释：先选定一个阈值，然后对图像做例如以下处理：1 像素点的灰度值大于该阈值的不进行不论什么改变；2 像素点的灰度值小于该阈值的，其灰度值所有变为0。
该阈值类型例如以下式所看到的：
解释：原理类似于0阈值，可是在对图像做处理的时候相反，即：像素点的灰度值小于该阈值的不进行不论什么改变，而大于该阈值的部分。其灰度值所有变为0。
// ConsoleApplication3_6_23.cpp : Defines the entry point for the console application.
//
#include "stdafx.h"
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
Mat src,gray,dst;
int thr_value = 0;
int thr_type = 0;
const int max_type = 4;
const int max_value = 255;
const int max_binary_value = 255;
char *windowName = "Demo";
void Image_thred(int,void*);
int _tmain(int argc, _TCHAR* argv[])
{
src = imread("test.png");
if(!src.data)
return -1;
cvtColor(src,gray,CV_RGB2GRAY);
namedWindow("灰度图",CV_WINDOW_AUTOSIZE);
imshow("灰度图",gray);
namedWindow(windowName,CV_WINDOW_AUTOSIZE);
createTrackbar("Type: \n 0: Binary \n 1: Binary Inverted \n 2: Truncate \n 3: To Zero \n 4: To Zero Inverted",
windowName,&thr_type,max_type,Image_thred);
createTrackbar("Value",
windowName,&thr_value,max_value,Image_thred);
Image_thred(0,0);
waitKey(0);
return 0;
}
void Image_thred(int,void*)
{
/* 0: 二进制阈值
1: 反二进制阈值
2: 截断阈值
3: 0阈值
4: 反0阈值
*/
threshold(gray,dst,thr_value,max_binary_value,thr_type);
imshow(windowName,dst);
}
关键函数解释：从上面提到的5种中选择出的结果。
版权声明：本文博客原创文章，博客，未经同意，不得转载。
标签：
原文地址：http://www.cnblogs.com/yxwkf/p/4729155.html
