OpenCV实现图像阈值化

来源：互联网发布：海贼王887 知乎编辑：程序博客网时间：2024/06/08 09:37

纯粹阅读，请移步OpenCV实现图像阈值化

效果图

源码

KqwOpenCVBlurDemo

阈值化是一种将我们想要在图像中分析的区域分割出来的方法。
我们把每个像素值都与一个预设的阈值做比较，再根据比较的结果调整像素值。

类似这样

Imgproc.threshold(src,src,100,255,Imgproc.THRESH_BINARY);

其中100是阈值，255是最大值（纯白色的值）。

常量

名称常量二值阈值化 Imgproc.THRESH_BINARY 阈值化到零 Imgproc.THRESH_TOZERO 截断阈值化 Imgproc.THRESH_TRUNC 反转二值阈值化 Imgproc.THRESH_BINARY_INV 反转阈值化到零 Imgproc.THRESH_TOZERO_INV

自适应阈值

上述的阈值化是全局性的，我们也可以根据邻域像素为任意像素计算阈值。

自适应阈值用到的3个参数

自适应方法
- Imgproc.ADAPTIVE_THRESH_MEAN_C：阈值是邻域像素的值
- Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C：阈值是领域像素的加权和，权重来自高斯核
块尺寸
邻域的大小
常量C
从对每个像素计算得到的均值或加权均值减去的常量

图像置灰

Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);

自适应阈值化

Imgproc.adaptiveThreshold(src, src, 255, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY, 3, 0);

封装

这里我用到了RxJava。主要是因为图片处理是耗时操作，会阻塞线程，为了防止界面卡顿，这里使用RxJava进行了线程切换。

/** * 自适应阈值 * * @param bitmap 要处理的图片 */public void adaptiveThreshold(Bitmap bitmap) {    // 使用RxJava处理图片    if (null != mSubscriber)        Observable                .just(bitmap)                .map(new Func1<Bitmap, Bitmap>() {                    @Override                    public Bitmap call(Bitmap bitmap) {                        // Bitmap转为Mat                        Mat src = new Mat(bitmap.getHeight(), bitmap.getWidth(), CvType.CV_8UC4);                        Utils.bitmapToMat(bitmap, src);                        // 图像置灰                        Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);                        // 自适应阈值化                        Imgproc.adaptiveThreshold(src, src, 255, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY, 3, 0);                        // 二值阈值化                        // Imgproc.threshold(src,src,100,255,Imgproc.THRESH_BINARY);                        // 阈值化到零                        // Imgproc.threshold(src,src,100,255,Imgproc.THRESH_TOZERO);                        // 截断阈值化                        // Imgproc.threshold(src,src,100,255,Imgproc.THRESH_TRUNC);                        // 反转二值阈值化                        // Imgproc.threshold(src,src,100,255,Imgproc.THRESH_BINARY_INV);                        // 反转阈值化到零                        // Imgproc.threshold(src,src,100,255,Imgproc.THRESH_TOZERO_INV);                        // Mat转Bitmap                        Bitmap processedImage = Bitmap.createBitmap(src.cols(), src.rows(), Bitmap.Config.ARGB_8888);                        Utils.matToBitmap(src, processedImage);                        return processedImage;                    }                })                .subscribeOn(Schedulers.io())                .observeOn(AndroidSchedulers.mainThread())                .subscribe(mSubscriber);}

调用

// 图片处理的工具类mBlurUtil = new BlurUtil(new Subscriber<Bitmap>() {    @Override    public void onCompleted() {        // 图片处理完成        dismissProgressDialog();    }    @Override    public void onError(Throwable e) {        // 图片处理异常        dismissProgressDialog();    }    @Override    public void onNext(Bitmap bitmap) {        // 获取到处理后的图片        mIvImageProcessed.setImageBitmap(bitmap);    }});// 自适应阈值mBlurUtil.adaptiveThreshold(mSelectImage);

0 0