经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置：技术经验 » 程序设计 » C++ » 查看文章
C++ OpenCV单峰三角阈值法Thresh_Unimodal详解
来源：jb51　　时间：2021/12/9 11:45:36　　对本文有异议

需求说明

在对图像进行处理时，经常会有这类需求：想通过阈值对图像进行二值化分割，以提取自己感兴趣的区域，常见的阈值分割方法有常数分割、最大类间方差法、双峰分割、三角法等等，不同的场景应用不同的阈值方法。

今天要讲的方法，适合当图像的直方图具有明显单峰特征时使用，结合了三角法的原理而设计，相比较OpenCV自带的三角法，好处是可以根据自身需求合理修改函数；如果用OpenCV库的函数，只有一个接口，若不能达到较理想的应用效果，就束手无策了。

下面介绍具体实现流程。

具体流程

1）取图像的灰度图，并遍历统计0-255各个灰度值所出现的次数。

  1. cv::Mat src = imread("test.jpg", 0);
  2. cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);
  3. for (int i = 0; i < src.rows; ++i)
  4. {
  5. 	for (int j = 0; j < src.cols; ++j)
  6. 	{
  7. 		hist.at<float>(0, src.at <uchar>(i, j))++;
  8. 	}
  9. }

2）去除0和255的直方图数据，这一步就是OpenCV三角法所没有的。很多人可能不理解为什么要这一步，在你对图像进行阈值化时如果提前进行了相关的运算，可能导致结果大于255的数值全部变为255，或者数值低于0的数值全部变为0，这就使得0和255的数值其实涵盖了许多数值，呈累加态，很容易形成双峰，这样就很难找到我们真正想要的峰。例如0和255的数值都是10000左右,0略大一些，而我们的真峰是在250左右的灰度值，数值只有8000多，那么在后续阈值计算时就会因为峰的方向错了而带来毁灭性打击。别觉得我说夸张了，只有自己去碰碰壁才能深刻领悟我说的。

  1. hist.at<float>(0, 255) = 0;
  2. hist.at<float>(0, 0) = 0;

3）确认峰值位置，maxidx是峰值对应的灰度值，max是峰值高度，也是灰度值对应数据的个数。

  1. float max = 0;
  2. int maxidx = 0;
  3. for (int i = 0; i < 256; ++i)
  4. {
  5. 	if (hist.at<float>(0, i) > max)
  6. 	{
  7. 		max = hist.at<float>(0, i);
  8. 		maxidx = i;
  9. 	}
  10. }

4）判断峰值在左侧还是右侧，true为左侧，false为右侧。

  1. bool lr = maxidx < 127;

5）当在左侧时，连接峰值(maxidx,max)和(255,0)点，用两点建立直线公式，如下图所示公式。 L的表达式可以转换为Ax+By+C=0的形式，A是-max，B是maxidx-255，C是max*255，在结合距离公式可以计算出直方图曲线上每个点到直线的距离，取距离最长的那个点作为阈值。

  1. if (lr)
  2. {
  3. 	float A = float(-max);
  4. 	float B = float(maxidx - 255);
  5. 	float C = float(max * 255);
  6.  
  7. 	for (int i = maxidx + 1; i < 256; ++i)
  8. 	{
  9. 		float x0 = float(i);
  10. 		float y0 = hist.at<float>(0, i);
  11. 		float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
  12. 		if (d > maxd)
  13. 		{
  14. 			maxd = d;
  15. 			maxdidx = i;
  16. 		}
  17. 	}
  18. }

6）右侧同理，连接峰值(maxidx,max)和(0,0)点，公式ABC如代码所示。

  1. else {
  2. 	float A = float(-max);
  3. 	float B = float(maxidx);
  4. 	float C = 0.0f;
  5.  
  6. 	for (int i = 0; i < maxidx; ++i)
  7. 	{
  8. 		float x0 = float(i);
  9. 		float y0 = hist.at<float>(0, i);
  10. 		float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
  11. 		if (d > maxd)
  12. 		{
  13. 			maxd = d;
  14. 			maxdidx = i;
  15. 		}
  16. 	}
  17. }

7）二值化，完成。

  1. result.setTo(255, src > maxdidx);
  2. idx = maxdidx;
  3. return result;

功能函数

  1. // 单峰三角阈值法
  2. cv::Mat Thresh_Unimodal(cv::Mat &src, int& idx)
  3. {
  4. 	cv::Mat result = cv::Mat::zeros(src.size(), CV_8UC1);
  5.  
  6. 	// 统计直方图
  7. 	cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);
  8. 	for (int i = 0; i < src.rows; ++i)
  9. 	{
  10. 		for (int j = 0; j < src.cols; ++j)
  11. 		{
  12. 			hist.at<float>(0, src.at<uchar>(i, j))++;
  13. 		}
  14. 	}
  15. 	hist.at<float>(0, 255) = 0;
  16. 	hist.at<float>(0, 0) = 0;
  17. 	// 搜索最大值位置
  18. 	float max = 0;
  19. 	int maxidx = 0;
  20. 	for (int i = 0; i < 256; ++i)
  21. 	{
  22. 		if (hist.at<float>(0, i) > max)
  23. 		{
  24. 			max = hist.at<float>(0, i);
  25. 			maxidx = i;
  26. 		}
  27. 	}
  28. 	// 判断最大点在哪一侧，true为左侧，false为右侧
  29. 	bool lr = maxidx < 127;
  30.  
  31. 	float maxd = 0;
  32. 	int maxdidx = 0;
  33. 	// 假设在左侧
  34. 	if (lr)
  35. 	{
  36. 		float A = float(-max);
  37. 		float B = float(maxidx - 255);
  38. 		float C = float(max * 255);
  39.  
  40. 		for (int i = maxidx + 1; i < 256; ++i)
  41. 		{
  42. 			float x0 = float(i);
  43. 			float y0 = hist.at<float>(0, i);
  44. 			float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
  45. 			if (d > maxd)
  46. 			{
  47. 				maxd = d;
  48. 				maxdidx = i;
  49. 			}
  50. 		}
  51. 	}
  52. 	// 假设在右侧
  53. 	else {
  54. 		float A = float(-max);
  55. 		float B = float(maxidx);
  56. 		float C = 0.0f;
  57.  
  58. 		for (int i = 0; i < maxidx; ++i)
  59. 		{
  60. 			float x0 = float(i);
  61. 			float y0 = hist.at<float>(0, i);
  62. 			float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
  63. 			if (d > maxd)
  64. 			{
  65. 				maxd = d;
  66. 				maxdidx = i;
  67. 			}
  68. 		}
  69. 	}
  70.  
  71. 	// 二值化
  72. 	result.setTo(255, src > maxdidx);
  73. 	idx = maxdidx;
  74. 	return result;
  75. }

C++测试代码

  1. #include <iostream>
  2. #include <time.h>
  3. #include <opencv2/opencv.hpp>
  4.  
  5. using namespace std;
  6. using namespace cv;
  7.  
  8. cv::Mat DrawHistImg(cv::Mat &hist);
  9. cv::Mat Thresh_Unimodal(cv::Mat &src, int& idx);
  10.  
  11. int main()
  12. {
  13. 	cv::Mat src = imread("test.jpg", 0);
  14.  
  15. 	// 绘制均衡化后直方图
  16. 	cv::Mat hrI = DrawHistImg(src);
  17.  
  18. 	// 单峰三角阈值法
  19. 	int thresh;
  20. 	cv::Mat result = Thresh_Unimodal(src, thresh);
  21.  
  22. 	cout << " thresh: " << thresh << endl;
  23.  
  24. 	imshow("original", src);
  25. 	imshow("hist", hrI);
  26. 	imshow("result", result);
  27. 	waitKey(0);
  28.  
  29. 	return 0;
  30. }
  31.  
  32.  
  33. // 绘制简易直方图
  34. cv::Mat DrawHistImg(cv::Mat &src)
  35. {
  36. 	cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);
  37. 	for (int i = 0; i < src.rows; ++i)
  38. 	{
  39. 		for (int j = 0; j < src.cols; ++j)
  40. 		{
  41. 			hist.at<float>(0, src.at <uchar>(i, j))++;
  42. 		}
  43. 	}
  44. 	cv::Mat histImage = cv::Mat::zeros(540, 1020, CV_8UC1);
  45. 	const int bins = 255;
  46. 	double maxValue;
  47. 	cv::Point2i maxLoc;
  48. 	cv::minMaxLoc(hist, 0, &maxValue, 0, &maxLoc);
  49. 	int scale = 4; 
  50. 	int histHeight = 540;
  51.  
  52. 	for (int i = 0; i < bins; i++)
  53. 	{
  54. 		float binValue = (hist.at<float>(i));
  55. 		int height = cvRound(binValue * histHeight / maxValue);
  56. 		cv::rectangle(histImage, cv::Point(i * scale, histHeight),
  57. 			cv::Point((i + 1) * scale - 1, histHeight - height), cv::Scalar(255), -1);
  58.  
  59. 	}
  60. 	return histImage;
  61. }
  62.  
  63. // 单峰三角阈值法
  64. cv::Mat Thresh_Unimodal(cv::Mat &src, int& idx)
  65. {
  66. 	cv::Mat result = cv::Mat::zeros(src.size(), CV_8UC1);
  67.  
  68. 	// 统计直方图
  69. 	cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);
  70. 	for (int i = 0; i < src.rows; ++i)
  71. 	{
  72. 		for (int j = 0; j < src.cols; ++j)
  73. 		{
  74. 			hist.at<float>(0, src.at<uchar>(i, j))++;
  75. 		}
  76. 	}
  77. 	hist.at<float>(0, 255) = 0;
  78. 	hist.at<float>(0, 0) = 0;
  79. 	// 搜索最大值位置
  80. 	float max = 0;
  81. 	int maxidx = 0;
  82. 	for (int i = 0; i < 256; ++i)
  83. 	{
  84. 		if (hist.at<float>(0, i) > max)
  85. 		{
  86. 			max = hist.at<float>(0, i);
  87. 			maxidx = i;
  88. 		}
  89. 	}
  90. 	// 判断最大点在哪一侧，true为左侧，false为右侧
  91. 	bool lr = maxidx < 127;
  92.  
  93. 	float maxd = 0;
  94. 	int maxdidx = 0;
  95. 	// 假设在左侧
  96. 	if (lr)
  97. 	{
  98. 		float A = float(-max);
  99. 		float B = float(maxidx - 255);
  100. 		float C = float(max * 255);
  101.  
  102. 		for (int i = maxidx + 1; i < 256; ++i)
  103. 		{
  104. 			float x0 = float(i);
  105. 			float y0 = hist.at<float>(0, i);
  106. 			float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
  107. 			if (d > maxd)
  108. 			{
  109. 				maxd = d;
  110. 				maxdidx = i;
  111. 			}
  112. 		}
  113. 	}
  114. 	// 假设在右侧
  115. 	else {
  116. 		float A = float(-max);
  117. 		float B = float(maxidx);
  118. 		float C = 0.0f;
  119.  
  120. 		for (int i = 0; i < maxidx; ++i)
  121. 		{
  122. 			float x0 = float(i);
  123. 			float y0 = hist.at<float>(0, i);
  124. 			float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
  125. 			if (d > maxd)
  126. 			{
  127. 				maxd = d;
  128. 				maxdidx = i;
  129. 			}
  130. 		}
  131. 	}
  132.  
  133. 	// 二值化
  134. 	result.setTo(255, src > maxdidx);
  135. 	idx = maxdidx;
  136. 	return result;
  137. }

测试效果

图1 原图灰度图

图2 直方图

图3 阈值图

图4 阈值结果

通过imagewatch插件可以观察阈值203是不是在距离最远的位置，答案是肯定的。

如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~?

以上就是C++ OpenCV单峰三角阈值法Thresh_Unimodal详解的详细内容，更多关于C++ OpenCV单峰三角阈值法的资料请关注w3xue其它相关文章！

 友情链接：直通硅谷 　点职佳 　北美留学生论坛

C++热门文章

  • C/C++编程笔记：编写不会在C ++中编译的C程序，我教你呀！
  • 洛谷 P2085 最小函数值
  • 使用C++界面框架ImGUI开发一个简单程序
  • C++ Json解析CJsonObject的详细使用
  • C++编译错误杂记
  • 二分法（二）：采用二分法解决“最小化最大值问题”
  • C++实现json字符串与map的转换
  • C++借助curses库实现俄罗斯方块
  • 长乐培训Day5
  • 【OpenFOAM】——OpenFOAM入门算例学习

    • C++推荐文章

  • #8. 「模板」树链剖分
  • 预设型 DP
  • Standard Template Libary or C++ Standard Library
  • 一种优秀的虚拟机内存架构 - AQ
  • 如何让 MGR 不从 Primary 节点克隆数据？
  • TLScanary：Pwn中的利器
  • c++临时对象导致的生命周期问题
  • C++(Qt)-GIS开发-简易瓦片地图下载器
  • 逆向通达信 x 逆向微信 x 逆向Qt
  • C++面向对象

    • 本站QQ群：前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

    W3xue 的所有内容仅供测试，对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
    关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接（目前9元/月）请联系QQ：27243702 沸活量
    皖ICP备17017327号-2　皖公网安备34020702000426号