上一篇文章講解了圖像處理中亮度與對比度的變化,這一篇我們來實現一個實用的閾值函數。
閾值是最簡單的圖像分割方法。比如要從下圖中分割出蘋果,我們利用前景與背景的灰度差,設定一個閾值:像素值大於閾值時以黑色表示,小於則以灰色表示。

和 OpenCV 一樣,我們提供五種閾值類型。下面原圖像的波形表示中,縱坐標為像素灰度值,藍線為閾值。



超過閾值的變成最大值(255),否則變成最小值(0)。
var CV_THRESH_BINARY = function (__value, __thresh, __maxVal) {
return __value > __thresh ? __maxVal : 0;
};


與上相反,超過閾值的變成最小值,否則變成最大值。
var CV_THRESH_BINARY_INV = function (__value, __thresh, __maxVal) {
return __value > __thresh ? 0 : __maxVal;
};


超過閾值的就被截斷為閾值本身。
var CV_THRESH_TRUNC = function (__value, __thresh, __maxVal) {
return __value > __thresh ? __thresh : 0;
};


小於閾值的都化為 0 處理。
var CV_THRESH_TOZERO = function (__value, __thresh, __maxVal) {
return __value > __thresh ? __value : 0;
};


超過閾值時置為 0。
var CV_THRESH_TOZERO_INV = function (__value, __thresh, __maxVal) {
return __value > __thresh ? 0 : __value;
};
最後封裝一個函數,對整幅圖應用上述任意一種閾值處理:
var threshold = function (__src, __thresh, __maxVal, __thresholdType, __dst) {
(__src && __thresh) || error(arguments.callee, IS_UNDEFINED_OR_NULL);
if (__src.type && __src.type == "CV_GRAY") {
var width = __src.col,
height = __src.row,
sData = __src.data,
dst = __dst || new Mat(height, width, CV_GRAY),
dData = dst.data,
maxVal = __maxVal || 255,
threshouldType = __thresholdType || CV_THRESH_BINARY;
var i, j, offset;
for (i = height; i--;) {
for (j = width; j--;) {
offset = i * width + j;
dData[offset] = threshouldType(sData[offset], __thresh, maxVal);
}
}
} else {
error(arguments.callee, UNSPPORT_DATA_TYPE);
}
return dst;
};
這個函數比較簡單,核心就是遍歷每個像素點,把它的值賦為 threshouldType(sData[offset], __thresh, maxVal) 的返回結果。通過傳入不同的閾值類型函數,即可靈活實現五種不同的分割效果。