OpenCV-单峰三角阈值法Thresh_Unimodal
Posted 翟天保Steven
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了OpenCV-单峰三角阈值法Thresh_Unimodal相关的知识，希望对你有一定的参考价值。
作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处
需求说明
在对图像进行处理时，经常会有这类需求：想通过阈值对图像进行二值化分割，以提取自己感兴趣的区域，常见的阈值分割方法有常数分割、最大类间方差法、双峰分割、三角法等等，不同的场景应用不同的阈值方法。
今天要讲的方法，适合当图像的直方图具有明显单峰特征时使用，结合了三角法的原理而设计，相比较OpenCV自带的三角法，好处是可以根据自身需求合理修改函数；如果用OpenCV库的函数，只有一个接口，若不能达到较理想的应用效果，就束手无策了。
下面介绍具体实现流程。
具体流程
1）取图像的灰度图，并遍历统计0-255各个灰度值所出现的次数。
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的直方图数据，这一步就是OpenCV三角法所没有的。很多人可能不理解为什么要这一步，在你对图像进行阈值化时如果提前进行了相关的运算，可能导致结果大于255的数值全部变为255，或者数值低于0的数值全部变为0，这就使得0和255的数值其实涵盖了许多数值，呈累加态，很容易形成双峰，这样就很难找到我们真正想要的峰。例如0和255的数值都是10000左右,0略大一些，而我们的真峰是在250左右的灰度值，数值只有8000多，那么在后续阈值计算时就会因为峰的方向错了而带来毁灭性打击。别觉得我说夸张了，只有自己去碰碰壁才能深刻领悟我说的。
hist.at<float>(0, 255) = 0;
hist.at<float>(0, 0) = 0;3）确认峰值位置，maxidx是峰值对应的灰度值，max是峰值高度，也是灰度值对应数据的个数。
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）判断峰值在左侧还是右侧，true为左侧，false为右侧。
bool lr = maxidx < 127;5）当在左侧时，连接峰值(maxidx,max)和(255,0)点，用两点建立直线公式，如下图所示公式。 L的表达式可以转换为Ax+By+C=0的形式，A是-max，B是maxidx-255，C是max*255，在结合距离公式可以计算出直方图曲线上每个点到直线的距离，取距离最长的那个点作为阈值。
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）右侧同理，连接峰值(maxidx,max)和(0,0)点，公式ABC如代码所示。
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;
功能函数
// 单峰三角阈值法
cv::Mat Thresh_Unimodal(cv::Mat &src, int& idx)
cv::Mat result = cv::Mat::zeros(src.size(), CV_8UC1);
// 统计直方图
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;
// 判断最大点在哪一侧，true为左侧，false为右侧
bool lr = maxidx < 127;
float maxd = 0;
int maxdidx = 0;
// 假设在左侧
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;
// 假设在右侧
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++测试代码
#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);
// 绘制均衡化后直方图
cv::Mat hrI = DrawHistImg(src);
// 单峰三角阈值法
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;
// 绘制简易直方图
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;
// 单峰三角阈值法
cv::Mat Thresh_Unimodal(cv::Mat &src, int& idx)
cv::Mat result = cv::Mat::zeros(src.size(), CV_8UC1);
// 统计直方图
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;
// 判断最大点在哪一侧，true为左侧，false为右侧
bool lr = maxidx < 127;
float maxd = 0;
int maxdidx = 0;
// 假设在左侧
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;
// 假设在右侧
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;
测试效果
通过imagewatch插件可以观察阈值203是不是在距离最远的位置，答案是肯定的。
如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~
如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！
以上是关于OpenCV-单峰三角阈值法Thresh_Unimodal的主要内容，如果未能解决你的问题，请参考以下文章
C++ opencv 图片二值化最佳阈值确定（大津法,OTSU算法)
youcans 的 OpenCV 例程200篇158. 阈值处理之固定阈值法
OpenCV-Python基础教程5-阈值分割与Otsu阈值法