opencv c++灰度图像阈值处理

在OpenCV库中，C++处理灰度图像的阈值操作通常涉及以下几个步骤：

1. **读取图像**：首先，你需要使用`cv::imread()`函数从文件或内存中加载灰度图像。例如：

cv::Mat grayImage = cv::imread("gray_image.jpg", cv::IMREAD_GRAYSCALE);

2. **设置阈值**：你可以使用`cv::threshold()`函数对图像进行二值化。这个函数需要输入图像、输出图像、阈值范围以及阈值选择的方式（如高于阈值设为白色，低于设为黑色）：

cv::Mat binaryImage;
cv::threshold(grayImage, binaryImage, thresholdValue, 255, cv::THRESH_BINARY | cv::THRESH_OTSU); // 自动计算最佳阈值

这里的`cv::THRESH_BINARY`表示二进制阈值分割，`cv::THRESH_OTSU`则用于自动确定最佳阈值。

3. **结果分析**：处理后的`binaryImage`是一个二值图像，其中像素值要么是0（黑），要么是255（白）。你可以进一步分析这个图像，比如边缘检测或形状识别。

相关问题

实现灰度图像和彩色图像的迭代阈值分割算法opencv c++代码实现

以下是基于OpenCV的灰度图像和彩色图像迭代阈值分割算法的C++代码实现：

灰度图像迭代阈值分割：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

double thresholdValue(Mat& img) {
    double T = 0;
    double T_last = -1;
    int rows = img.rows;
    int cols = img.cols;
    int total = rows * cols;
    while(abs(T - T_last) > 1) {
        double sum1 = 0, sum2 = 0, count1 = 0, count2 = 0;
        for(int i = 0; i < rows; ++i) {
            for(int j = 0; j < cols; ++j) {
                if(img.at<uchar>(i, j) > T) {
                    sum1 += img.at<uchar>(i, j);
                    count1++;
                } else {
                    sum2 += img.at<uchar>(i, j);
                    count2++;
                }
            }
        }
        T_last = T;
        T = (sum1 / count1 + sum2 / count2) / 2;
    }
    return T;
}

int main() {
    Mat img = imread("lena.jpg", IMREAD_GRAYSCALE);
    if(img.empty()) {
        cout << "Could not read the image" << endl;
        return -1;
    }

    double T = thresholdValue(img);
    Mat dst;
    threshold(img, dst, T, 255, THRESH_BINARY);

    namedWindow("Original Image", WINDOW_NORMAL);
    namedWindow("Thresholded Image", WINDOW_NORMAL);
    imshow("Original Image", img);
    imshow("Thresholded Image", dst);
    waitKey(0);
    return 0;
}

彩色图像迭代阈值分割：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

double thresholdValue(Mat& img) {
    double T = 0;
    double T_last = -1;
    int rows = img.rows;
    int cols = img.cols;
    int total = rows * cols;
    while(abs(T - T_last) > 1) {
        double sum1 = 0, sum2 = 0, count1 = 0, count2 = 0;
        for(int i = 0; i < rows; ++i) {
            for(int j = 0; j < cols; ++j) {
                Vec3b pixel = img.at<Vec3b>(i, j);
                int gray = (pixel[0] + pixel[1] + pixel[2]) / 3;
                if(gray > T) {
                    sum1 += gray;
                    count1++;
                } else {
                    sum2 += gray;
                    count2++;
                }
            }
        }
        T_last = T;
        T = (sum1 / count1 + sum2 / count2) / 2;
    }
    return T;
}

int main() {
    Mat img = imread("lena.jpg");
    if(img.empty()) {
        cout << "Could not read the image" << endl;
        return -1;
    }

    double T = thresholdValue(img);
    Mat dst;
    cvtColor(img, dst, COLOR_BGR2GRAY);
    threshold(dst, dst, T, 255, THRESH_BINARY);

    namedWindow("Original Image", WINDOW_NORMAL);
    namedWindow("Thresholded Image", WINDOW_NORMAL);
    imshow("Original Image", img);
    imshow("Thresholded Image", dst);
    waitKey(0);
    return 0;
}

opencv C++ OTSU阈值分割

以下是使用OpenCV C++实现OTSU阈值分割的示例代码：

#include <opencv2/opencv.hpp>

int main()
{
    // 读取图像
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);

    // 应用OTSU阈值分割
    cv::Mat binary;
    cv::threshold(image, binary, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);

    // 显示结果
    cv::imshow("Original Image", image);
    cv::imshow("OTSU Thresholding", binary);
    cv::waitKey(0);

    return 0;
}

这段代码首先使用`imread`函数读取一张灰度图像，然后使用`threshold`函数应用OTSU阈值分割。最后，使用`imshow`函数显示原始图像和OTSU阈值分割结果。