C++ OpenCV單峰三角閾值法Thresh_Unimodal詳解
更新時間：2021年12月09日 10:40:54 作者：翟天保Steven
本文主要介紹了適合當圖像的直方圖具有明顯單峰特征時使用，結(jié)合了三角法的原理而設(shè)計的圖像分割方法，感興趣的小伙伴可以了解一下
需求說明
在對圖像進行處理時，經(jīng)常會有這類需求：想通過閾值對圖像進行二值化分割，以提取自己感興趣的區(qū)域，常見的閾值分割方法有常數(shù)分割、最大類間方差法、雙峰分割、三角法等等，不同的場景應用不同的閾值方法。
今天要講的方法，適合當圖像的直方圖具有明顯單峰特征時使用，結(jié)合了三角法的原理而設(shè)計，相比較OpenCV自帶的三角法，好處是可以根據(jù)自身需求合理修改函數(shù)；如果用OpenCV庫的函數(shù)，只有一個接口，若不能達到較理想的應用效果，就束手無策了。
下面介紹具體實現(xiàn)流程。
具體流程
1）取圖像的灰度圖，并遍歷統(tǒng)計0-255各個灰度值所出現(xiàn)的次數(shù)。
cv::Mat src = imread("test.jpg", 0);
cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);
for (int i = 0; i < src.rows; ++i)
{
for (int j = 0; j < src.cols; ++j)
{
hist.at<float>(0, src.at <uchar>(i, j))++;
}
}
2）去除0和255的直方圖數(shù)據(jù)，這一步就是OpenCV三角法所沒有的。很多人可能不理解為什么要這一步，在你對圖像進行閾值化時如果提前進行了相關(guān)的運算，可能導致結(jié)果大于255的數(shù)值全部變?yōu)?55，或者數(shù)值低于0的數(shù)值全部變?yōu)?，這就使得0和255的數(shù)值其實涵蓋了許多數(shù)值，呈累加態(tài)，很容易形成雙峰，這樣就很難找到我們真正想要的峰。例如0和255的數(shù)值都是10000左右,0略大一些，而我們的真峰是在250左右的灰度值，數(shù)值只有8000多，那么在后續(xù)閾值計算時就會因為峰的方向錯了而帶來毀滅性打擊。別覺得我說夸張了，只有自己去碰碰壁才能深刻領(lǐng)悟我說的。
hist.at<float>(0, 255) = 0; hist.at<float>(0, 0) = 0;
3）確認峰值位置，maxidx是峰值對應的灰度值，max是峰值高度，也是灰度值對應數(shù)據(jù)的個數(shù)。
float max = 0;
int maxidx = 0;
for (int i = 0; i < 256; ++i)
{
if (hist.at<float>(0, i) > max)
{
max = hist.at<float>(0, i);
maxidx = i;
}
}
4）判斷峰值在左側(cè)還是右側(cè)，true為左側(cè)，false為右側(cè)。
bool lr = maxidx < 127;
5）當在左側(cè)時，連接峰值(maxidx,max)和(255,0)點，用兩點建立直線公式，如下圖所示公式。 L的表達式可以轉(zhuǎn)換為Ax+By+C=0的形式，A是-max，B是maxidx-255，C是max*255，在結(jié)合距離公式可以計算出直方圖曲線上每個點到直線的距離，取距離最長的那個點作為閾值。
if (lr)
{
float A = float(-max);
float B = float(maxidx - 255);
float C = float(max * 255);
for (int i = maxidx + 1; i < 256; ++i)
{
float x0 = float(i);
float y0 = hist.at<float>(0, i);
float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
if (d > maxd)
{
maxd = d;
maxdidx = i;
}
}
}
6）右側(cè)同理，連接峰值(maxidx,max)和(0,0)點，公式ABC如代碼所示。
else {
float A = float(-max);
float B = float(maxidx);
float C = 0.0f;
for (int i = 0; i < maxidx; ++i)
{
float x0 = float(i);
float y0 = hist.at<float>(0, i);
float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
if (d > maxd)
{
maxd = d;
maxdidx = i;
}
}
}
7）二值化，完成。
result.setTo(255, src > maxdidx); idx = maxdidx; return result;
功能函數(shù)
// 單峰三角閾值法
cv::Mat Thresh_Unimodal(cv::Mat &src, int& idx)
{
cv::Mat result = cv::Mat::zeros(src.size(), CV_8UC1);
// 統(tǒng)計直方圖
cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);
for (int i = 0; i < src.rows; ++i)
{
for (int j = 0; j < src.cols; ++j)
{
hist.at<float>(0, src.at<uchar>(i, j))++;
}
}
hist.at<float>(0, 255) = 0;
hist.at<float>(0, 0) = 0;
// 搜索最大值位置
float max = 0;
int maxidx = 0;
for (int i = 0; i < 256; ++i)
{
if (hist.at<float>(0, i) > max)
{
max = hist.at<float>(0, i);
maxidx = i;
}
}
// 判斷最大點在哪一側(cè)，true為左側(cè)，false為右側(cè)
bool lr = maxidx < 127;
float maxd = 0;
int maxdidx = 0;
// 假設(shè)在左側(cè)
if (lr)
{
float A = float(-max);
float B = float(maxidx - 255);
float C = float(max * 255);
for (int i = maxidx + 1; i < 256; ++i)
{
float x0 = float(i);
float y0 = hist.at<float>(0, i);
float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
if (d > maxd)
{
maxd = d;
maxdidx = i;
}
}
}
// 假設(shè)在右側(cè)
else {
float A = float(-max);
float B = float(maxidx);
float C = 0.0f;
for (int i = 0; i < maxidx; ++i)
{
float x0 = float(i);
float y0 = hist.at<float>(0, i);
float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
if (d > maxd)
{
maxd = d;
maxdidx = i;
}
}
}
// 二值化
result.setTo(255, src > maxdidx);
idx = maxdidx;
return result;
}
C++測試代碼
#include <iostream>
#include <time.h>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
cv::Mat DrawHistImg(cv::Mat &hist);
cv::Mat Thresh_Unimodal(cv::Mat &src, int& idx);
int main()
{
cv::Mat src = imread("test.jpg", 0);
// 繪制均衡化后直方圖
cv::Mat hrI = DrawHistImg(src);
// 單峰三角閾值法
int thresh;
cv::Mat result = Thresh_Unimodal(src, thresh);
cout << " thresh: " << thresh << endl;
imshow("original", src);
imshow("hist", hrI);
imshow("result", result);
waitKey(0);
return 0;
}
// 繪制簡易直方圖
cv::Mat DrawHistImg(cv::Mat &src)
{
cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);
for (int i = 0; i < src.rows; ++i)
{
for (int j = 0; j < src.cols; ++j)
{
hist.at<float>(0, src.at <uchar>(i, j))++;
}
}
cv::Mat histImage = cv::Mat::zeros(540, 1020, CV_8UC1);
const int bins = 255;
double maxValue;
cv::Point2i maxLoc;
cv::minMaxLoc(hist, 0, &maxValue, 0, &maxLoc);
int scale = 4;
int histHeight = 540;
for (int i = 0; i < bins; i++)
{
float binValue = (hist.at<float>(i));
int height = cvRound(binValue * histHeight / maxValue);
cv::rectangle(histImage, cv::Point(i * scale, histHeight),
cv::Point((i + 1) * scale - 1, histHeight - height), cv::Scalar(255), -1);
}
return histImage;
}
// 單峰三角閾值法
cv::Mat Thresh_Unimodal(cv::Mat &src, int& idx)
{
cv::Mat result = cv::Mat::zeros(src.size(), CV_8UC1);
// 統(tǒng)計直方圖
cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);
for (int i = 0; i < src.rows; ++i)
{
for (int j = 0; j < src.cols; ++j)
{
hist.at<float>(0, src.at<uchar>(i, j))++;
}
}
hist.at<float>(0, 255) = 0;
hist.at<float>(0, 0) = 0;
// 搜索最大值位置
float max = 0;
int maxidx = 0;
for (int i = 0; i < 256; ++i)
{
if (hist.at<float>(0, i) > max)
{
max = hist.at<float>(0, i);
maxidx = i;
}
}
// 判斷最大點在哪一側(cè)，true為左側(cè)，false為右側(cè)
bool lr = maxidx < 127;
float maxd = 0;
int maxdidx = 0;
// 假設(shè)在左側(cè)
if (lr)
{
float A = float(-max);
float B = float(maxidx - 255);
float C = float(max * 255);
for (int i = maxidx + 1; i < 256; ++i)
{
float x0 = float(i);
float y0 = hist.at<float>(0, i);
float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
if (d > maxd)
{
maxd = d;
maxdidx = i;
}
}
}
// 假設(shè)在右側(cè)
else {
float A = float(-max);
float B = float(maxidx);
float C = 0.0f;
for (int i = 0; i < maxidx; ++i)
{
float x0 = float(i);
float y0 = hist.at<float>(0, i);
float d = abs(A * x0 + B * y0 + C) / std::sqrt(A * A + B * B);
if (d > maxd)
{
maxd = d;
maxdidx = i;
}
}
}
// 二值化
result.setTo(255, src > maxdidx);
idx = maxdidx;
return result;
}
測試效果
圖1 原圖灰度圖
圖2 直方圖
圖3 閾值圖
圖4 閾值結(jié)果
通過imagewatch插件可以觀察閾值203是不是在距離最遠的位置，答案是肯定的。
如果函數(shù)有什么可以改進完善的地方，非常歡迎大家指出，一同進步何樂而不為呢~?
以上就是C++ OpenCV單峰三角閾值法Thresh_Unimodal詳解的詳細內(nèi)容，更多關(guān)于C++ OpenCV單峰三角閾值法的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
這篇文章記錄一下串里面的模式匹配，模式匹配，顧名思義就是給定一個被匹配的字符串，然后用一個字符串模式（模型）去匹配上面說的字符串，看后者是否在前者里面出現(xiàn)。常用的有2種算法可以實現(xiàn)，下面我們來具體探討下2014-08-08
棧是一種特殊的線性表，只允許從一端進出數(shù)據(jù)，稱為后進先出，先進后出。本文主要為大家介紹了C語言實現(xiàn)棧的示例代碼，感興趣的可以了解一下2022-06-06
這篇文章主要介紹了c++的base64編解碼使用示例,需要的朋友可以參考下2014-02-02
這篇文章主要給大家介紹了關(guān)于C++ 中this指針的用途，文中通過示例代碼介紹的非常詳細，對大家學習或者使用C++具有一定的參考學習價值，需要的朋友們下面來一起學習學習吧2021-09-09
本文將詳細介紹C++中的編譯器和鏈接器以及它們的工作原理及使用方法全面詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-05-05
在某些場景中，考慮到編譯效率和可移植性，#pragma once 和 #ifndef 經(jīng)常被結(jié)合使用來避免頭文件被 重復引入，這里介紹用 _Pragma 操作符避免頭文件重復引入的問題，感興趣的朋友跟隨小編一起看看吧2022-12-12
這篇文章主要介紹了VC++ 中ListCtrl經(jīng)驗總結(jié)的相關(guān)資料,需要的朋友可以參考下2015-06-06
這篇文章主要介紹了使用C語言操作文件的基本函數(shù)整理,包括創(chuàng)建和打開以及關(guān)閉文件的操作方法,需要的朋友可以參考下2015-08-08
這篇文章主要介紹了C++設(shè)計模式之抽象工廠模式,本文要講的抽象工廠模式,就是工廠方法模式的擴展和延伸,需要的朋友可以參考下2014-09-09
C/C++判斷傳入的UTC時間是否當天的實現(xiàn)方法
在項目中經(jīng)常會顯示一個時間，如果這個時間在今日內(nèi)就顯示為時分秒，否則顯示為年月日，有需要的朋友可以參考一下2014-01-01