JavaDIP-基本的なしきい値処理
しきい値処理により、最も簡単な方法で画像のセグメンテーションを実現できます。画像セグメンテーションとは、各セットのピクセルがいくつかの共通の特性を持つように、画像全体をピクセルのセットに分割することを意味します。画像セグメンテーションは、オブジェクトとその境界を定義するのに非常に役立ちます。
この章では、画像に対していくつかの基本的なしきい値処理を実行します。
を使用しております OpenCV 関数 threshold。それは下にありますImgprocパッケージ。その構文を以下に示します-
Imgproc.threshold(source, destination, thresh , maxval , type);
パラメータは以下のとおりです-
シニア番号 | パラメータと説明 |
---|---|
1 | source ソース画像です。 |
2 | destination 行き先画像です。 |
3 | thresh しきい値です。 |
4 | maxval これは、THRESH_BINARYおよびTHRESH_BINARY_INVしきい値タイプで使用される最大値です。 |
5 | type 可能なタイプは、THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、およびTHRESH_TOZEROです。 |
これらのしきい値メソッドとは別に、Imgprocクラスによって提供される他のメソッドがあります。それらは簡単に説明されています-
シニア番号 | 方法と説明 |
---|---|
1 | cvtColor(Mat src, Mat dst, int code, int dstCn) 画像をある色空間から別の色空間に変換します。 |
2 | dilate(Mat src, Mat dst, Mat kernel) 特定の構造化要素を使用して画像を拡張します。 |
3 | equalizeHist(Mat src, Mat dst) グレースケール画像のヒストグラムを均等化します。 |
4 | filter2D(Mat src, Mat dst, int ddepth, Mat kernel, Point anchor, double delta) イメージをカーネルと組み合わせます。 |
5 | GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX) ガウスフィルターを使用して画像をぼかします。 |
6 | integral(Mat src, Mat sum) 画像の積分を計算します。 |
例
次の例は、Imgprocクラスを使用して画像に対してしきい値処理を実行する方法を示しています。
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.highgui.Highgui;
import org.opencv.imgproc.Imgproc;
public class main {
public static void main( String[] args ) {
try{
System.loadLibrary( Core.NATIVE_LIBRARY_NAME );
Mat source = Highgui.imread("digital_image_processing.jpg", Highgui.CV_LOAD_IMAGE_COLOR);
Mat destination = new Mat(source.rows(),source.cols(),source.type());
destination = source;
Imgproc.threshold(source,destination,127,255,Imgproc.THRESH_TOZERO);
Highgui.imwrite("ThreshZero.jpg", destination);
} catch (Exception e) {
System.out.println("error: " + e.getMessage());
}
}
}
出力
指定されたコードを実行すると、次の出力が表示されます-
元の画像
上記の元の画像では、いくつかのしきい値処理が実行されます。これは、以下の出力に示されています。