OpenCV C++ 二值图像处理：阈值化技术全解析

二值图像（只有黑白两种像素值的图像）是许多高级图像处理任务的基础，它能简化图像数据、突出目标区域。本章将系统讲解图像阈值化的基本原理、全局阈值分割与自适应阈值分割的实现方法，以及各类方法的适用场景与参数调优技巧。

一、图像阈值化操作

图像阈值化是将灰度图像转换为二值图像的过程，通过设定一个或多个阈值，将像素值分为两类（通常是 0 和 255）。这一操作能有效分离目标与背景，简化图像分析。

1.1 阈值化基本原理

阈值化的核心思想是：

• 设定一个阈值thresh
• 对于每个像素，根据其灰度值与阈值的关系赋予新值
• 结果图像仅包含两个像素值（如 0 和 255），形成二值图像

数学描述：

当像素值 > thresh：赋予值 maxval
当像素值 ≤ thresh：赋予值 0（或其他值，取决于阈值类型）

1.2 OpenCV 阈值化函数threshold

OpenCV 提供threshold函数实现各种阈值化操作，函数原型：

double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type);

• src：输入图像（必须为单通道灰度图）
• dst：输出二值图像
• thresh：阈值（取值范围 0~255）
• maxval：最大值（通常为 255，用于定义超过阈值时的像素值）
• type：阈值化类型（决定像素值与阈值比较后的处理方式）
• 返回值：实际使用的阈值（对于自动阈值算法）

1.3 常用阈值化类型及实现

OpenCV 支持 5 种基本阈值化类型，适用场景各有不同：

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;void thresholdTypesDemo(const Mat& gray) {Mat dst1, dst2, dst3, dst4, dst5;double thresh = 127;double maxval = 255;// 1. 二进制阈值：超过阈值取maxval，否则取0threshold(gray, dst1, thresh, maxval, THRESH_BINARY);// 2. 反二进制阈值：超过阈值取0，否则取maxvalthreshold(gray, dst2, thresh, maxval, THRESH_BINARY_INV);// 3. 截断阈值：超过阈值取阈值，否则保持原值threshold(gray, dst3, thresh, maxval, THRESH_TRUNC);// 4. 阈值化为0：超过阈值保持原值，否则取0threshold(gray, dst4, thresh, maxval, THRESH_TOZERO);// 5. 反阈值化为0：超过阈值取0，否则保持原值threshold(gray, dst5, thresh, maxval, THRESH_TOZERO_INV);// 显示结果imshow("原图", gray);imshow("THRESH_BINARY", dst1);imshow("THRESH_BINARY_INV", dst2);imshow("THRESH_TRUNC", dst3);imshow("THRESH_TOZERO", dst4);imshow("THRESH_TOZERO_INV", dst5);
}int main() {Mat img = imread("test.jpg");if (img.empty()) {cout << "图像加载失败！" << endl;return -1;}// 转换为灰度图（阈值化操作必须输入单通道图像）Mat gray;cvtColor(img, gray, COLOR_BGR2GRAY);thresholdTypesDemo(gray);