自适应阈值化的函数.docVIP

自适应阈值化的函数为： AdaptiveThreshold 自适应阈值方法 void cvAdaptiveThreshold( const CvArr* src, CvArr* dst, double max_value, int adaptive_method=CV_ADAPTIVE_THRESH_MEAN_C, int threshold_type=CV_THRESH_BINARY, int block_size=3, double param1=5 ); src 输入图像. dst 输出图像. max_value 使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值. adaptive_method 自适应阈值算法使用：CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C （见讨论）. threshold_type 取阈值类型：必须是下者之一 CV_THRESH_BINARY, CV_THRESH_BINARY_INV block_size 用来计算阈值的象素邻域大小: 3, 5, 7, ... param1 与方法有关的参数。对方法 CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C， 它是一个从均值或加权均值提取的常数（见讨论）, 尽管它可以是负数。 函数 cvAdaptiveThreshold 将灰度图像变换到二值图像，采用下面公式： threshold_type=CV_THRESH_BINARY: dst(x,y) = max_value, if src(x,y)T(x,y) 0, otherwise threshold_type=CV_THRESH_BINARY_INV: dst(x,y) = 0, if src(x,y)T(x,y) max_value, otherwise 其中 TI 是为每一个象素点单独计算的阈值 对方法 CV_ADAPTIVE_THRESH_MEAN_C，先求出块中的均值，再减掉param1。 对方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C ，先求出块中的加权和(gaussian)， 再减掉param1。 关于二值化函数cvAdaptiveThreshold和cvThreshold的一些发现 2013年01月30日 ? 综合 ? 共 1221字 ? 字号 小 中 大 ? 评论关闭 1、函数cvAdaptiveThreshold的确可以将灰度图像二值化，但它的主要功能应该是边缘提取，并且参数param1主要是用来控制边缘的类型和粗细的，这些在软件自带的参考手册中均未提及。 cvAdaptiveThreshold( const CvArr* src, CvArr* dst, double max_value, int adaptive_method CV_DEFAULT(CV_ADAPTIVE_THRESH_MEAN_C), int threshold_type CV_DEFAULT(CV_THRESH_BINARY), int block_size CV_DEFAULT(3), double param1 CV_DEFAULT(5)); 分析参数blockSize。这个参数相当重要，1.要取奇数，如果取偶数运行后就会报错！！原因看源码，发现要做一个掩模，所以参数必须是奇数。OpenCV也做了一个检测，在函数adaptiveThreshold一开始就有CV_Assert(blockSize % 2 == 1 blockSize 1 )。 2.cvAdaptiveThreshold既可以做边缘提取，也可以实现二值化，是由你所选择的邻域所确定的，如果你所选择的邻域非常小（比如3×3），那么很显然阈值的“自适应程度”就非常高，这在结果图像中就表现为边缘检测的效果。如果邻域选择的比较大（比如31×31），那么阈值的“自适应程度”就比较低，这在结果图像中就表现为二值化的效果。 3.一般情况下，滤波器宽度应该大于被识别物体的宽度。block_size太小，无法代表背景，太大的话会影响到临近物体。 选定合适的block_size后，我们就可以选定一个更大的阈值param1，更好的抑制噪声 1）自适应二值化计算像素的邻域的平均灰度，来决