OpenCV — адаптивный порог

В простом пороговом значении пороговое значение является глобальным, т. Е. Оно одинаково для всех пикселей изображения. Адаптивный порог — это метод, в котором пороговое значение рассчитывается для меньших регионов, и, следовательно, будут разные пороговые значения для разных регионов.

В OpenCV вы можете выполнить адаптивную пороговую операцию над изображением, используя метод adaptiveThreshold () класса Imgproc . Ниже приводится синтаксис этого метода.

adaptiveThreshold(src, dst, maxValue, adaptiveMethod, thresholdType, blockSize, C)

Этот метод принимает следующие параметры —

• src — Объект класса Mat, представляющий исходное (входное) изображение.
• dst — Объект класса Mat, представляющий целевое (выходное) изображение.
• maxValue — переменная типа double, представляющая значение, которое должно быть задано, если значение пикселя превышает пороговое значение.
• adaptiveMethod — переменная типа integer, представляющая тип адаптивного метода, который будет использоваться. Это будет одно из следующих двух значений
  • ADAPTIVE_THRESH_MEAN_C — пороговое значение является средним значением окрестности.
  • ADAPTIVE_THRESH_GAUSSIAN_C — пороговое значение представляет собой взвешенную сумму значений окрестностей, где веса представляют собой гауссово окно.
• thresholdType — переменная целочисленного типа, представляющая тип используемого порога.
• blockSize — переменная целочисленного типа, представляющая размер пиксельного соседства, используемого для вычисления порогового значения.
• C — переменная типа double, представляющая константу, используемую в обоих методах (вычитается из среднего или взвешенного среднего).

src — Объект класса Mat, представляющий исходное (входное) изображение.

dst — Объект класса Mat, представляющий целевое (выходное) изображение.

maxValue — переменная типа double, представляющая значение, которое должно быть задано, если значение пикселя превышает пороговое значение.

adaptiveMethod — переменная типа integer, представляющая тип адаптивного метода, который будет использоваться. Это будет одно из следующих двух значений

ADAPTIVE_THRESH_MEAN_C — пороговое значение является средним значением окрестности.

ADAPTIVE_THRESH_GAUSSIAN_C — пороговое значение представляет собой взвешенную сумму значений окрестностей, где веса представляют собой гауссово окно.

thresholdType — переменная целочисленного типа, представляющая тип используемого порога.

blockSize — переменная целочисленного типа, представляющая размер пиксельного соседства, используемого для вычисления порогового значения.

C — переменная типа double, представляющая константу, используемую в обоих методах (вычитается из среднего или взвешенного среднего).

пример

Следующая программа демонстрирует, как выполнить адаптивную пороговую операцию над изображением в OpenCV. Здесь мы выбираем адаптивный порог типа двоичный и ADAPTIVE_THRESH_MEAN_C для порогового метода.

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

public class AdaptiveThresh {
   public static void main(String args[]) throws Exception {
      // Loading the OpenCV core library
      System.loadLibrary( Core.NATIVE_LIBRARY_NAME );

      // Reading the Image from the file and storing it in to a Matrix object
      String file ="E:/OpenCV/chap14/thresh_input.jpg";
      
      // Reading the image
      Mat src = Imgcodecs.imread(file,0);

      // Creating an empty matrix to store the result
      Mat dst = new Mat();

      Imgproc.adaptiveThreshold(src, dst, 125, Imgproc.ADAPTIVE_THRESH_MEAN_C,
         Imgproc.THRESH_BINARY, 11, 12);

      // Writing the image
      Imgcodecs.imwrite("E:/OpenCV/chap14/Adaptivemean_thresh_binary.jpg", dst);

      System.out.println("Image Processed");
   } 
}

Предположим, что следующим является входное изображение thresh_input.jpg, указанное в вышеуказанной программе.

Выход

При выполнении программы вы получите следующий вывод:

Image Processed

Если вы откроете указанный путь, вы можете наблюдать выходное изображение следующим образом —

Другие типы адаптивного порога

В дополнение к ADAPTIVE_THRESH_MEAN_C в качестве адаптивного метода и THRESH_BINARY в качестве типа порога, как показано в предыдущем примере, мы можем выбрать больше комбинаций этих двух значений.

Imgproc.adaptiveThreshold(src, dst, 125, Imgproc.ADAPTIVE_THRESH_MEAN_C, 
   Imgproc.THRESH_BINARY , 11, 12);

Ниже приведены значения, представляющие различные комбинации значений для параметров adaptiveMethod и thresholdType и их соответствующих выходных данных.