实现灰度图像和彩色图像的迭代阈值分割算法 C语言 opencv实现

以下是基于OpenCV的C语言实现的灰度图像和彩色图像的迭代阈值分割算法。

灰度图像的迭代阈值分割算法：

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

using namespace cv;
using namespace std;

int main()
{
    Mat img = imread("test_gray.jpg", IMREAD_GRAYSCALE); // 读入灰度图像
    int T = 128; // 阈值初始值
    int delta = 1; // 阈值变化量
    int n = img.rows * img.cols; // 像素总数

    while (delta > 0) // 迭代直到阈值不再变化
    {
        int sum1 = 0, sum2 = 0;
        int cnt1 = 0, cnt2 = 0;

        for (int i = 0; i < img.rows; i++)
        {
            for (int j = 0; j < img.cols; j++)
            {
                if (img.at<uchar>(i, j) < T)
                {
                    sum1 += img.at<uchar>(i, j);
                    cnt1++;
                }
                else
                {
                    sum2 += img.at<uchar>(i, j);
                    cnt2++;
                }
            }
        }

        int T_new = (sum1 / cnt1 + sum2 / cnt2) / 2; // 计算新阈值
        delta = abs(T_new - T); // 计算阈值变化量
        T = T_new; // 更新阈值
    }

    Mat dst;
    threshold(img, dst, T, 255, THRESH_BINARY); // 应用阈值

    imshow("src", img);
    imshow("dst", dst);
    waitKey();
    return 0;
}

彩色图像的迭代阈值分割算法：

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

using namespace cv;
using namespace std;

int main()
{
    Mat img = imread("test_color.jpg"); // 读入彩色图像
    int T = 128; // 阈值初始值
    int delta = 1; // 阈值变化量
    int n = img.rows * img.cols; // 像素总数

    while (delta > 0) // 迭代直到阈值不再变化
    {
        int sum1_b = 0, sum2_b = 0;
        int sum1_g = 0, sum2_g = 0;
        int sum1_r = 0, sum2_r = 0;
        int cnt1 = 0, cnt2 = 0;

        for (int i = 0; i < img.rows; i++)
        {
            for (int j = 0; j < img.cols; j++)
            {
                Vec3b pixel = img.at<Vec3b>(i, j);
                int b = pixel[0], g = pixel[1], r = pixel[2];
                int gray = (r + g + b) / 3;

                if (gray < T)
                {
                    sum1_b += b;
                    sum1_g += g;
                    sum1_r += r;
                    cnt1++;
                }
                else
                {
                    sum2_b += b;
                    sum2_g += g;
                    sum2_r += r;
                    cnt2++;
                }
            }
        }

        int T_new = (sum1_b / cnt1 + sum1_g / cnt1 + sum1_r / cnt1 +
                     sum2_b / cnt2 + sum2_g / cnt2 + sum2_r / cnt2) / 6; // 计算新阈值
        delta = abs(T_new - T); // 计算阈值变化量
        T = T_new; // 更新阈值
    }

    Mat gray;
    cvtColor(img, gray, COLOR_BGR2GRAY);
    Mat dst;
    threshold(gray, dst, T, 255, THRESH_BINARY); // 应用阈值

    imshow("src", img);
    imshow("dst", dst);
    waitKey();
    return 0;
}

注意：彩色图像需要先转换为灰度图像再进行阈值分割。