作者：翟天保Steven
版權(quán)聲明：著作權(quán)歸作者所有，商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處

函數(shù)原型

double threshold( InputArray src, OutputArray dst,
                  double thresh, double maxval, int type );

參數(shù)說明

1. InputArray類型的src，輸入圖像。
2. OutputArray類型的dst，輸出圖像。
3. double類型的thresh，閾值的具體值。
4. double類型的maxval，閾值最大值。
5. int類型的type，閾值操作的類型，0為THRESH_BINARY（標(biāo)準(zhǔn)的二值化閾值法，大于thresh的設(shè)為maxval，小于的設(shè)為0），1為THRESH_BINARY_INV（反向二值化），2為THRESH_TRUNC（截?cái)嚅撝捣?#xff0c;大于thresh的設(shè)為thresh，小于則不變），3為THRESH_TOZERO（零化閾值法，大于thresh的不變，小于則零化），4為THRESH_TOZERO_INV（反向零化），7為THRESH_MASK（沒測試出來什么用法，都是黑屏），8為THRESH_OTSU（大津算法，適合雙峰直方圖的圖像，通過分析最大的背景前景類間方差，自動調(diào)節(jié)閾值），16為THRESH_TRIANGLE（三角法，適合單峰直方圖圖像，建立谷底和峰頂直線，距離直線垂直距離最大的直方圖位置，即閾值thresh）。

測試代碼

#include <iostream>
#include "opencv2/core.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"

using namespace cv;
using namespace std;

int main()
{
cv::Mat src = imread("test.jpg", 0);
cv::Mat th1,th2,th3,th4,th5;
// 最大類間差法，也稱大津算法
threshold(src, th1, 0, 255, THRESH_OTSU);
// 常規(guī)閾值分割法
threshold(src, th2, 100, 255, THRESH_BINARY);
// 截?cái)嚅撝捣指罘?threshold(src, th3, 80, 255, THRESH_TRUNC);
// 零化閾值分割法
threshold(src, th4, 100, 255, THRESH_TOZERO);
// 三角法
threshold(src, th5, 0, 255, THRESH_TRIANGLE);

imshow("original", src);
imshow("otsu", th1);
imshow("binary", th2);
imshow("trunc", th3);
imshow("zero", th4);
imshow("triangle", th5);
waitKey(0);
return 0;
}

測試效果

? ? ? ?一般來說，opencv提供的閾值函數(shù)可以適用大多數(shù)場景，針對特殊場景，可以根據(jù)自身需求自行設(shè)計(jì)閾值算法。另外，大津算法針對圖像灰度接近的場景挺有效的，用其他算法可能無法精確分離；三角法在圖像對比度較大的場景比較好用，可以較好地識別出目標(biāo)區(qū)域，但是這個(gè)區(qū)域可能偏大些，一般配合邊緣漸變算法使邊緣平滑過渡~

? ? ? ?如果文章幫助到你了，可以點(diǎn)個(gè)贊讓我知道，我會很快樂~加油！