opencv中自适应阈值和正常阈值之间的区别答案

【问题标题】：Difference between adaptive thresholding and normal thresholding in opencvopencv中自适应阈值和正常阈值之间的区别
【发布时间】：2012-01-09 01:44:43
【问题描述】：

我有这个灰色的视频流：

这张图片的直方图：

阈值图像：

  threshold( image, image, 150, 255, CV_THRESH_BINARY );

我明白了：

我所期望的。

当我使用以下方法进行自适应阈值处理时：

adaptiveThreshold(image, image,255,ADAPTIVE_THRESH_GAUSSIAN_C, CV_THRESH_BINARY,15,-5);

我明白了：

这看起来像边缘检测而不是阈值。我所期望的是黑白区域。所以我的问题是，为什么这看起来像边缘检测而不是阈值。

提前谢谢

【问题讨论】：

自适应阈值效果很好。甚至比静态阈值好得多，尤其是对于来自相机的图像。但这取决于你想做什么。你的形象是一个非常糟糕的例子。您的上一张图片仅表明您的参数完全错误。您的第一个参数 mut 具有显着更高的值，以避免“边缘检测”效应。有两个参数要传递给 AdaptiveThreshold() ：两者都会影响结果。对它们进行试验，直到您了解它们的作用。并使用更好的图像进行测试！

标签： c++ image-processing opencv threshold

【解决方案1】：

自适应阈值的作用类似于this:

该函数将灰度图像转换为二值图像到公式：
    THRESH_BINARY
    THRESH_BINARY_INV
其中 T(x,y) 是为每个像素单独计算的阈值。

门槛有效differently:

该函数将固定级别的阈值应用于单通道数组。

听起来adaptiveThreshold是逐像素计算阈值，而threshold是为整个图像计算阈值——它用一个标尺测量整个图像，而另一个为每个像素创建一个新的“标尺”。

【讨论】：

如果我要对已自适应阈值化的图像进行斑点分析。中间的正方形会是 1 blob 吗？（我在做表面检测，还得看看opencv中blob检测是怎么工作的，所以我先问一下）
我不知道它会，可能是白色规格。查看这本书，第 231 页，第 6.2 节，比较使用不同阈值的 blob 分析：books.google.com/…
我仍然不明白这种行为。是什么让自适应阈值不同于假设，应用高斯模糊然后减去它并执行正常阈值。根据文档的描述，它们应该是相同的，但它们不是，也许 sigma 是一个非常大的数字。

【解决方案2】：

我在为 OCR 目的进行自适应阈值处理时遇到了同样的问题。（对不起，这是 Python 而不是 C++）

img = cv.LoadImage(sys.argv[1])
bwsrc = cv.CreateImage( cv.GetSize(img), cv.IPL_DEPTH_8U, 1)
bwdst = cv.CreateImage( cv.GetSize(img), cv.IPL_DEPTH_8U, 1)

cv.CvtColor(img, bwsrc, cv.CV_BGR2GRAY)
cv.AdaptiveThreshold(bwsrc, bwdst, 255.0, cv.CV_THRESH_BINARY, cv.CV_ADAPTIVE_THRESH_MEAN_C,11)
cv.ShowImage("threshhold", bwdst)
cv.WaitKey()

最后一个参数是用于计算每个像素阈值的邻域大小。如果你的邻居太小（我的邻居是 3 个），它就像边缘检测一样工作。一旦我把它变大，它就按预期工作了。当然，“正确”的尺寸取决于图像的分辨率以及您正在查看的特征的尺寸。

【讨论】：

在搜寻中我找到了这个答案，您能告诉我们 img、bwscr 和 bwdst 使用哪种数据类型吗？是垫子吗？
我记不太清了，但这是我在回答这个问题时正在编写的脚本：github.com/ludflu/ocrprep/blob/master/ocrprep.py
现在才看到是python，还以为是C++