图像像素操作与二值化

这篇具有很好参考价值的文章主要介绍了图像像素操作与二值化。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

1、图像像素比较

1.1 比较函数

 1.2 图像最大值最小值寻找

2、图像像素逻辑操作

3、图像二值化

3.1 固定阈值二值化

3.2 自适应阈值二值化


1、图像像素比较

1.1 比较函数

图像像素操作与二值化,OpenCV学习笔记,计算机视觉,图像处理,人工智能

 1.2 图像最大值最小值寻找

图像像素操作与二值化,OpenCV学习笔记,计算机视觉,图像处理,人工智能

 文章来源地址https://www.toymoban.com/news/detail-521521.html

	Mat img = imread("F:/testMap/bijiao.png");
	Mat white = imread("F:/testMap/white.png");
	Mat black = imread("F:/testMap/black.png");
	Mat Min, Max;
	min(img, white, Min);
	max(img, black, Max);

	Mat gray,gray_black;
	cvtColor(img,gray,COLOR_BGR2GRAY);
	cvtColor(black,gray_black,COLOR_BGR2GRAY);

	double minVal,maxVal;
	Point minLoc,maxLoc;
	minMaxLoc(gray,&minVal,&maxVal,&minLoc,&maxLoc,gray_black);

2、图像像素逻辑操作

图像像素操作与二值化,OpenCV学习笔记,计算机视觉,图像处理,人工智能

 图像像素操作与二值化,OpenCV学习笔记,计算机视觉,图像处理,人工智能

 图像像素操作与二值化,OpenCV学习笔记,计算机视觉,图像处理,人工智能

 

#include <iostream>
#include <fstream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat a = (Mat_<uchar>(1,2) << 0,5); 
	Mat b = (Mat_<uchar>(1,2) << 0,6);
	Mat Xor,Or,Not,And;
	bitwise_not(a,Not);
	cout << "a Not" << Not << endl;
	bitwise_and(a, b, And);
	bitwise_or(a, b, Or); bitwise_xor(a,b,Xor);
	cout << And << endl; cout << Or << endl; cout << Xor << endl;

	Mat img = imread("F:/testMap/bijiao.png");
	Mat mark = imread("F:/testMap/black.png");
	
	Mat result;
	bitwise_and(img, mark, result);

	Mat img_inv;
	//bitwise_not(img, img_inv);

	cvtColor(mark,mark,COLOR_BGR2GRAY); 
	bitwise_not(img,img_inv,mark);
	Mat mark_black = imread("F:/testMap/black.png");
	min(img,mark_black,img);
	img = img + img_inv;

	system("pause");
	return 0;
}

3、图像二值化

3.1 固定阈值二值化

图像像素操作与二值化,OpenCV学习笔记,计算机视觉,图像处理,人工智能

 图像像素操作与二值化,OpenCV学习笔记,计算机视觉,图像处理,人工智能

 

#include <iostream>
#include <fstream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat img = imread("F:/testMap/lena.png");
	if (img.empty()){
		cout << "请确认图像文件名称是否正确" << endl;
		return -1;
	}

	Mat gray;
	cvtColor(img, gray, COLOR_BGR2GRAY);
	Mat img_B, img_B_V, gray_B, gray_B_V, gray_T, gray_T_V, gray_TRUNC;

	//彩色图像二值化
	threshold(img, img_B, 125, 255, THRESH_BINARY);
	threshold(img, img_B_V, 125, 255, THRESH_BINARY_INV);

	//灰度图BINARY二值化
	threshold(gray,gray_B,125,255,THRESH_BINARY);
	threshold(gray,gray_B_V,125,255,THRESH_BINARY_INV); 

	//灰度图像TOZERO变换
	threshold(gray,gray_T,125,255,THRESH_TOZERO);
	threshold(gray,gray_T_V,125,255,THRESH_TOZERO_INV); 

	//灰度图像TRUNC变换
	threshold(gray,gray_TRUNC,125,255,THRESH_TRUNC); 

	//灰度图像大津法和三角形法二值化
	Mat img_Thr = imread("F:/testMap//threshold.jpg",IMREAD_GRAYSCALE); 
	Mat img_Thr_O, img_Thr_T;
	threshold(img_Thr,img_Thr_O,100,255,THRESH_BINARY | THRESH_OTSU);    //明暗渐变的图像得出的结果不理想
	threshold(img_Thr, img_Thr_T,125,255,THRESH_BINARY | THRESH_TRIANGLE); //明暗渐变的图像得出的结果不理想

	system("pause");
	return 0;
}

3.2 自适应阈值二值化

图像像素操作与二值化,OpenCV学习笔记,计算机视觉,图像处理,人工智能

 

//自适应阈值二值化
Mat adaptive_mean,adaptive_gauss;
//均值法
adaptiveThreshold(img_Thr,adaptive_mean,255,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY,55,0);
//高斯法
adaptiveThreshold(img_Thr,adaptive_gauss,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY,55,0);

到了这里,关于图像像素操作与二值化的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • OpenCV(八):图像二值化

    目录 1.固定值二值化 2.自适应阈值二值化 3.Android JNI完整代码 1.固定值二值化 固定阈值二值化是OpenCV中一种简单而常用的图像处理技术,用于将图像转换为二值图像。在固定阈值二值化中,像素值根据一个预定义的阈值进行分类,大于阈值的像素被设置为白色,而小于或等于

    2024年02月10日
    浏览(49)
  • opencv(20) 图像阈值(二值化)

    二值化核心思想,设阈值,大于阈值的为0(黑色)或 255(白色),使图像称为黑白图。 阈值可固定,也可以自适应阈值。 自适应阈值一般为一点像素与这点为中序的区域像素平均值或者高斯分布加权和的比较,其中可以设置一个差值也可以不设置。 图像的阈值化旨在提取

    2024年02月02日
    浏览(50)
  • OpenCV图像处理----图像的二值化

    图像二值化( Image Binarization) 就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程。 二值化的原理 OpenCV提供的图像二值化API threshold()方法参数: 图片矩阵 阈值 图片中的最大值 二值化的方式 二值化的方式: THRESH_BINARY 高于阈值改为

    2024年02月12日
    浏览(39)
  • 基于opencv的c++图像处理(图像二值化)

    基于opencv的c++接口,实现常用的图像二值化方法,包括了最大类间方差法(OTSU)、固定化阈值以及自适应阈值。 该函数将固定级别的阈值应用于多通道阵列。该函数通常用于从灰度图像中获取双层(二进制)图像(#compare 也可用于此目的)或用于去除噪声,即过滤掉值过小

    2024年02月07日
    浏览(46)
  • opencv-python使用鼠标点击图片显示该点坐标和像素值&&IPM逆透视变换车道线&&二值化处理

    实现获取像素点的功能主要基于OpenCV的内置函数cv2.setMouseCallback(),即鼠标事件回调 setMouseCallback(winname, onMouse,userdata=0) winname: 接收鼠标事件的窗口名称 onMouse: 处理鼠标事件的回调函数指针 userdata: 传给回调函数的用户数据  代码实现:鼠标点击图片时,读取当前鼠标对应位置

    2024年02月12日
    浏览(50)
  • OpenCV常用功能——灰度处理和图像二值化处理

    1.1 cvtColor函数 函数原型: 功能 :转换图像颜色空间。 参数 : src: 输入图像。 code: 颜色空间转换代码。可以取常量cv2.COLOR_BGR2GRAY或cv2.COLOR_RGB2GRAY。 dst: 输出图像。 dstCn: 输出图像的通道数,如果设置为0,则跟随转换代码自动设置。 内置函数示例代码: 灰度处理的原理是将

    2024年02月08日
    浏览(59)
  • 【Opencv--自适应图像二值化】cv2.adaptiveThreshold()

    在这里 cv2.threshold函数 介绍了普通的opencv图像阈值处理函数。但threshold 的图像阈值处理对于某些光照不均的图像,这种全局阈值分割的方法并不能得到好的效果。 图像阈值化操作中,我们更关心的是从二值化图像中分离目标区域和背景区域,仅仅通过固定阈值很难达到理想

    2024年02月07日
    浏览(41)
  • 【OpenCV】 基础入门(二)图像基础概念 | 图像灰度化处理 | 图像二值化处理

      在计算机中用一般用 M x N 的矩阵来表示一幅尺寸大小为 M x N 的数字图像,矩阵元素的值就是该图像对应位置上的像素值。    对于计算机本地磁盘中的彩色图像,单机鼠标右键,选择“属性”,可以看到一幅图像的基本信息。 1、灰度图:   灰度图是每个像素只有一

    2024年04月14日
    浏览(47)
  • C#使用OpenCv(OpenCVSharp)图像全局二值化处理实例

    本文实例演示C#语言中如何使用OpenCv(OpenCVSharp)对图像进行全局二值化处理。 目录 图像二值化原理 函数原型 参数说明 实例 效果

    2024年02月13日
    浏览(48)
  • C#使用OpenCv(OpenCVSharp)图像局部二值化处理实例

      本文实例演示C#语言中如何使用OpenCv(OpenCVSharp)对图像进行局部二值化处理。 目录 图像二值化原理 局部二值化 自适应阈值 实例 效果

    2024年02月13日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包