OpenCV二值化adaptiveThreshold与threshold的对比

Vaccae

发布于 2019-10-28 17:33:46

3.7K0

发布于 2019-10-28 17:33:46

文章被收录于专栏：微卡智享

前一篇文章《Android划矩形截屏并加入OCR识别》在安卓中我们做了划矩形截图进行OCR实识，其中只是简单的进行了二值化的处理然后就传入图片识别，本来计划把图片二值化后做一些透视变换的Demo可以增加识别的效果，然后就出来了今天的文章。

样版原图

我自己照了一张素材图片，本来要进行处理的，如上图九型人格的字，照完后其实可以看到，上图中由于拍照的角度问题，有至少三分之一的面积是书封皮的反光。

threshold效果

我自己常用的二值化函数，因为里面有THRESH_OTSU自动阈值，觉得挺方便，使用效果也不错，就直接在程序中用了，结果就出来了一面的效果。

从上面可以看出来，我们如果要进行OCR识别，这样的效果估计只能认出“格”这个字，而九型人三个字都已经无法识别了。

遇到这个情况时，就只能回去补初级知识，看到了自适应二值化adaptiveThreshold函数，最初开始学的时候只是了解了一下，因为里面的有些值需要自己设，觉得麻烦，所以就一直没有在意。所以今天我们就来重新认识下这个函数。

adaptiveThreshold

void adaptiveThreshold( InputArray src, OutputArray dst,

                        double maxValue, int adaptiveMethod,
                        int thresholdType, int blockSize, double C );

参数说明

参数1：InputArray类型的src，输入图像，填单通道，单8位浮点类型Mat即可。

参数2：函数运算后的结果存放在这。即为输出图像（与输入图像同样的尺寸和类型）。

参数3：预设满足条件的最大值。

参数4：指定自适应阈值算法。可选择ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C两种。

ADAPTIVE_THRESH_MEAN_C，为局部邻域块的平均值。该算法是先求出块中的均值，再减去常数C。

ADAPTIVE_THRESH_GAUSSIAN_C ，为局部邻域块的高斯加权和。该算法是在区域中（x，y）周围的像素根据高斯函数按照他们离中心点的距离进行加权计算，再减去常数C。

参数5：指定阈值类型。可选择THRESH_BINARY或者THRESH_BINARY_INV两种。（即二进制阈值或反二进制阈值）。

参数6：表示邻域块大小，用来计算区域阈值，一般选择为3、5、7......等。

参数7：参数C表示与算法有关的参数，它是一个从均值或加权均值提取的常数，可以是负数。

代码演示

我们直接对源图进行普通二值化和自适应二值化的使用，做一个对比，前面加入了灰度，高斯模糊，二值化后的形态学操作，最后再输出显示图片。

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

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
  try
  {
    Mat src = imread("D:/Business/DemoTEST/CPP/opencv-perspective/imgOCR/01.png");
    if (src.empty())
    {
      printf("不能读取图片...\n");
      getchar();
      return -1;
    }
    resize(src, src, Size(), 0.5, 0.5, INTER_LINEAR);

    Mat gray, dst, dst2;

    imshow("src", src);

    //灰度
    cvtColor(src, gray, COLOR_BGR2GRAY);

    //高斯模糊
    GaussianBlur(gray, gray, Size(3, 3), 0.8,0.8);
    imshow("GaussianBlur", gray);
    //二值化
    adaptiveThreshold(gray, dst, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 11, 2);

    threshold(gray, dst2, 0, 255, THRESH_BINARY | THRESH_OTSU);

    //形态学操作
    Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
    morphologyEx(dst, dst, MORPH_CLOSE, kernel,Point(-1,-1),1);
    morphologyEx(dst2, dst2, MORPH_CLOSE, kernel,Point(-1,-1),1);
    
    imshow("dst", dst);
    imshow("dst2", dst2);
  }
  catch (const std::exception& ex)
  {
    printf("error:%s", ex.what());
  }

  waitKey(0);
  return 0;
}

接下来我们直接看看效果

threshold

adaptive

Threshold