152 lines
7.3 KiB
C++
152 lines
7.3 KiB
C++
|
/*
|
|||
|
|
* ============================================================
|
|||
|
|
* 实验 5：图像阈值化 (Thresholding)
|
|||
|
|
* 知识点：cv::threshold
|
|||
|
|
* ============================================================
|
|||
|
|
*
|
|||
|
|
* 【实验目标】
|
|||
|
|
* 1. 理解"阈值化"是什么——把灰度图变成黑白图
|
|||
|
|
* 2. 掌握 cv::threshold 函数的各种阈值类型
|
|||
|
|
* 3. 理解阈值化在图像分割中的基础地位
|
|||
|
|
*
|
|||
|
|
* 【生活化比喻】
|
|||
|
|
* 阈值化就像是"考试及格线"：
|
|||
|
|
* - 考试成绩 0~100 分
|
|||
|
|
* - 学校规定 60 分及格：≥ 60 算"通过"，< 60 算"不通过"
|
|||
|
|
* - 这里的"60"就是阈值 (threshold)
|
|||
|
|
*
|
|||
|
|
* 应用到图像上：
|
|||
|
|
* - 每个像素的灰度值 0~255（相当于 0~100 分）
|
|||
|
|
* - 设定阈值 128（相当于 60 分）
|
|||
|
|
* - 灰度 ≥ 128 的像素 → 变白色（255，相当于"通过"）
|
|||
|
|
* - 灰度 < 128 的像素 → 变黑色（0，相当于"不通过"）
|
|||
|
|
* - 整张图就只剩黑白两色了！
|
|||
|
|
*
|
|||
|
|
* 为什么需要这个操作？
|
|||
|
|
* - 把"感兴趣的物体"从"背景"中分离出来
|
|||
|
|
* - 为后续的形态学操作（实验 6）做准备
|
|||
|
|
* - 很多算法（如轮廓检测）需要二值图像作为输入
|
|||
|
|
*
|
|||
|
|
* 【函数详解】
|
|||
|
|
* cv::threshold(src, dst, thresh, maxval, type)
|
|||
|
|
*
|
|||
|
|
* src ：输入图像（必须是单通道灰度图）
|
|||
|
|
* dst ：输出图像（和输入同样大小和类型）
|
|||
|
|
* thresh ：阈值（就是那个"及格线"）
|
|||
|
|
* maxval ：最大值（当像素满足条件时，赋予它的新值，通常是 255）
|
|||
|
|
* type ：阈值类型（决定"怎么比较"和"比较后怎么赋值"）
|
|||
|
|
*
|
|||
|
|
* OpenCV 支持的阈值类型：
|
|||
|
|
* cv::THRESH_BINARY ：>阈值→maxval，否则→0 （标准二值化）
|
|||
|
|
* cv::THRESH_BINARY_INV ：>阈值→0，否则→maxval （反二值化）
|
|||
|
|
* cv::THRESH_TRUNC ：>阈值→阈值，否则→原值不变 （截断）
|
|||
|
|
* cv::THRESH_TOZERO ：>阈值→原值不变，否则→0 （置零）
|
|||
|
|
* cv::THRESH_TOZERO_INV ：>阈值→0，否则→原值不变 （反置零）
|
|||
|
|
*/
|
|||
|
|
|
|||
|
|
#include <opencv2/opencv.hpp>
|
|||
|
|
#include <iostream>
|
|||
|
|
|
|||
|
|
int main()
|
|||
|
|
{
|
|||
|
|
// ==========================================
|
|||
|
|
// 第一部分：生成一张灰度渐变图
|
|||
|
|
// ==========================================
|
|||
|
|
std::cout << "[步骤 1] 正在生成灰度渐变测试图..." << std::endl;
|
|||
|
|
|
|||
|
|
// 创建一张 300（高）× 512（宽）的灰度图
|
|||
|
|
// CV_8UC1 表示：8位无符号整数、1通道（灰度）
|
|||
|
|
cv::Mat gradient(300, 512, CV_8UC1);
|
|||
|
|
|
|||
|
|
// 用手工方式生成从左到右的灰度渐变
|
|||
|
|
// 左边的像素灰度值为 0（全黑），右边为 255（全白），逐渐过渡
|
|||
|
|
for (int row = 0; row < gradient.rows; row++)
|
|||
|
|
{
|
|||
|
|
for (int col = 0; col < gradient.cols; col++)
|
|||
|
|
{
|
|||
|
|
// 灰度值 = 列索引 × 255 / 511（比例映射）
|
|||
|
|
// 这样 col=0 对应灰度 = 0，col=511 对应灰度 = 255
|
|||
|
|
// gradient.at<uchar>(row, col) —— 访问/修改单个像素值
|
|||
|
|
// .at<uchar> 中的 uchar = unsigned char = 8比特无符号整数
|
|||
|
|
// 因为 CV_8UC1 的每个像素就是 uchar 类型
|
|||
|
|
gradient.at<uchar>(row, col) = static_cast<uchar>(col * 255 / 511);
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
// 在渐变图上画几个标记，方便观察阈值效果
|
|||
|
|
// 画一条垂直线标记阈值 128 的位置
|
|||
|
|
cv::line(gradient, cv::Point(256, 0), cv::Point(256, 299),
|
|||
|
|
cv::Scalar(255), 1); // 在 x=256 处画白线（灰度 128 的位置）
|
|||
|
|
// 放一些文字
|
|||
|
|
cv::putText(gradient, "0", cv::Point(5, 150),
|
|||
|
|
cv::FONT_HERSHEY_SIMPLEX, 0.6, cv::Scalar(255));
|
|||
|
|
cv::putText(gradient, "128", cv::Point(240, 150),
|
|||
|
|
cv::FONT_HERSHEY_SIMPLEX, 0.6, cv::Scalar(255));
|
|||
|
|
cv::putText(gradient, "255", cv::Point(470, 150),
|
|||
|
|
cv::FONT_HERSHEY_SIMPLEX, 0.6, cv::Scalar(0));
|
|||
|
|
|
|||
|
|
cv::imwrite("gradient.jpg", gradient);
|
|||
|
|
std::cout << " -> 原始渐变图已保存为 gradient.jpg" << std::endl;
|
|||
|
|
std::cout << " （从左到右灰度从 0 渐变到 255）" << std::endl;
|
|||
|
|
|
|||
|
|
// ==========================================
|
|||
|
|
// 第二部分：演示各种阈值类型
|
|||
|
|
// ==========================================
|
|||
|
|
// 统一使用阈值 128（中间值），maxval = 255（纯白）
|
|||
|
|
|
|||
|
|
// --- 类型 1：THRESH_BINARY（标准二值化）---
|
|||
|
|
// 逻辑：如果 像素值 > 128，则赋值为 255；否则赋值为 0
|
|||
|
|
// 效果：左边一半（<128）全黑，右边一半（>128）全白
|
|||
|
|
std::cout << "[步骤 2] THRESH_BINARY（标准二值化）..." << std::endl;
|
|||
|
|
cv::Mat thresh_binary;
|
|||
|
|
cv::threshold(gradient, thresh_binary, 128, 255, cv::THRESH_BINARY);
|
|||
|
|
cv::imwrite("thresh_binary.jpg", thresh_binary);
|
|||
|
|
std::cout << " -> 已保存为 thresh_binary.jpg" << std::endl;
|
|||
|
|
|
|||
|
|
// --- 类型 2：THRESH_BINARY_INV（反二值化）---
|
|||
|
|
// 逻辑：如果 像素值 > 128，则赋值为 0；否则赋值为 255
|
|||
|
|
// 效果：和上面完全相反——左边白，右边黑
|
|||
|
|
std::cout << "[步骤 3] THRESH_BINARY_INV（反二值化）..." << std::endl;
|
|||
|
|
cv::Mat thresh_binary_inv;
|
|||
|
|
cv::threshold(gradient, thresh_binary_inv, 128, 255, cv::THRESH_BINARY_INV);
|
|||
|
|
cv::imwrite("thresh_binary_inv.jpg", thresh_binary_inv);
|
|||
|
|
std::cout << " -> 已保存为 thresh_binary_inv.jpg" << std::endl;
|
|||
|
|
|
|||
|
|
// --- 类型 3：THRESH_TRUNC（截断）---
|
|||
|
|
// 逻辑：如果 像素值 > 128，则赋值为 128（被截断！）；否则保持原值不变
|
|||
|
|
// 效果：左边（<128）保持渐变，右边（>128）全部变成 128（一片灰）
|
|||
|
|
std::cout << "[步骤 4] THRESH_TRUNC（截断）..." << std::endl;
|
|||
|
|
cv::Mat thresh_trunc;
|
|||
|
|
cv::threshold(gradient, thresh_trunc, 128, 255, cv::THRESH_TRUNC);
|
|||
|
|
cv::imwrite("thresh_trunc.jpg", thresh_trunc);
|
|||
|
|
std::cout << " -> 已保存为 thresh_trunc.jpg" << std::endl;
|
|||
|
|
|
|||
|
|
// --- 类型 4：THRESH_TOZERO（置零）---
|
|||
|
|
// 逻辑：如果 像素值 > 128，则保持原值不变；否则赋值为 0（变黑）
|
|||
|
|
// 效果：左边（<128）全黑，右边（>128）保持渐变
|
|||
|
|
std::cout << "[步骤 5] THRESH_TOZERO（置零）..." << std::endl;
|
|||
|
|
cv::Mat thresh_tozero;
|
|||
|
|
cv::threshold(gradient, thresh_tozero, 128, 255, cv::THRESH_TOZERO);
|
|||
|
|
cv::imwrite("thresh_tozero.jpg", thresh_tozero);
|
|||
|
|
std::cout << " -> 已保存为 thresh_tozero.jpg" << std::endl;
|
|||
|
|
|
|||
|
|
// --- 类型 5：THRESH_TOZERO_INV（反置零）---
|
|||
|
|
// 逻辑：如果 像素值 > 128，则赋值为 0（变黑）；否则保持原值不变
|
|||
|
|
// 效果：左边（<128）保持渐变，右边（>128）全黑
|
|||
|
|
std::cout << "[步骤 6] THRESH_TOZERO_INV（反置零）..." << std::endl;
|
|||
|
|
cv::Mat thresh_tozero_inv;
|
|||
|
|
cv::threshold(gradient, thresh_tozero_inv, 128, 255, cv::THRESH_TOZERO_INV);
|
|||
|
|
cv::imwrite("thresh_tozero_inv.jpg", thresh_tozero_inv);
|
|||
|
|
std::cout << " -> 已保存为 thresh_tozero_inv.jpg" << std::endl;
|
|||
|
|
|
|||
|
|
// 总结
|
|||
|
|
std::cout << std::endl;
|
|||
|
|
std::cout << "===== 实验 5 完成 =====" << std::endl;
|
|||
|
|
std::cout << "你学会了：" << std::endl;
|
|||
|
|
std::cout << " 1. 阈值化就是把灰度图按某个界限分成两部分" << std::endl;
|
|||
|
|
std::cout << " 2. 有 5 种阈值类型，最常用的是 THRESH_BINARY" << std::endl;
|
|||
|
|
std::cout << " 3. 阈值化是图像分割的基础操作" << std::endl;
|
|||
|
|
|
|||
|
|
return 0;
|
|||
|
|
}
|