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

函数原型

void adaptiveThreshold( InputArray src, OutputArray dst,
                        double maxValue, int adaptiveMethod,
                        int thresholdType, int blockSize, double C );

参数说明

InputArray类型的src，输入图像。
OutputArray类型的dst，输出图像。
double类型的maxval，阈值最大值。
int类型的adaptiveMethod，自适应阈值算法类型。0为ADAPTIVE_THRESH_MEAN_C（均值法获取阈值），1为ADAPTIVE_THRESH_GAUSSIAN_C（高斯窗加权和获取阈值）。
int类型的thresholdType，阈值操作的类型，0为THRESH_BINARY（标准的二值化阈值法，大于thresh的设为maxval，小于的设为0），1为THRESH_BINARY_INV（反向二值化），2为THRESH_TRUNC（截断阈值法，大于thresh的设为thresh，小于则不变），3为THRESH_TOZERO（零化阈值法，大于thresh的不变，小于则零化），4为THRESH_TOZERO_INV（反向零化），7为THRESH_MASK（没测试出来什么用法，都是黑屏），8为THRESH_OTSU（大津算法，适合双峰直方图的图像，通过分析最大的背景前景类间方差，自动调节阈值），16为THRESH_TRIANGLE（三角法，适合单峰直方图图像，建立谷底和峰顶直线，距离直线垂直距离最大的直方图位置，即阈值thresh）。
int类型的blockSize，窗口的大小，只能为奇数。
double类型的C，自适应阈值算法得到平均值或加权平均值后，再减的常数值。

测试代码

#include <iostream>
#include "opencv2/core.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"

using namespace cv;
using namespace std;

int main()
{
	cv::Mat src = imread("test.jpg",0);
	cv::Mat th1,th2;
	// 自适应阈值函数
	adaptiveThreshold(src, th1, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 7, 5);
	adaptiveThreshold(src, th2,255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 7, 5);
	imshow("original", src);
	imshow("mean", th1);
	imshow("gaussian", th2);
	waitKey(0);
	return 0;
}

测试效果

该自适应阈值函数可以用来获取图像边缘特征，用mean或者gaussian都可以；设置常数C时，若其为正数，相当于窗口内求完平均值再减去C的值为阈值，这样对那些颜色类似的区域而言，假设C为5，平均值为120，中心值为119，那么阈值为115，中心值大于阈值，即该点显示为白色；反之，若C为负数，则上图中背景区域基本就是黑色了~

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！

文章版权归作者所有，未经允许请勿转载。

THE END