DrGraph原理示教 - OpenCV 4 功能 - 二值化

二值化，也就是处理结果为0或1，当然是针对图像的各像素而言的
1或0，对应于有无，也就是留下有用的，删除无用的，有用的部分，就是关心的部分
在图像处理中，也不仅仅只是1或0，因为这两个值看起来都是黑的，人眼很难分辨清楚，那就放大一些，255或0，黑白就出来了
目标识别、图像分割、目标提取等后续应用，很多会基于二值化的结果。所以图像分析的二值化处理是一个重要环节。比如CSDN的OpenCV技能树：

广义来说，分析或处理的结果中，各像素点只在0/255间取值，那就算是二值化，所以阈值、腐蚀与膨胀、开运算与闭运算、连通区域分析、轮廓等都算是
但在OpenCV 4中，阈值的结果可能也是彩色图像，开闭运算的输入就是二值化图像… 这个概念可能是错的，因为我还没有从头处理开闭运算。
所以，还是自己按自己的标准来处理，利于理解就行，无所谓对错

inRange

OpenCV中的inRange()函数可以实现图像的二值化，其功能是将在两个阈值内的像素值设置为白色（255），而不在阈值区间内的像素值设置为黑色（0）。函数的语法格式如下：

void cv::inRange(InputArray _src, InputArray _lowerb, InputArray _upperb, OutputArray _dst);

其中，_src表示输入图像，可以是灰度图像或彩色图像；_lowerb表示下界的阈值，可以是一个标量值或与输入图像通道数相同的数组；_upperb表示上界的阈值，与_lowerb的类型相同，指定上界阈值；_dst表示输出图像，用于存储计算得到的阈值图像。

二值图像，可作为copyTo的参数，实现原图的部分拷贝

具体实现代码：

    cv::Mat originMat = dstMat.clone();
    int paramIndex = 0;
    bool combineMaskFlag = GetParamValue_Bool(paramIndex++);    // 0 - 过滤原图显示
    int min0 = GetParamValue_Int(paramIndex++);   // 1 - 通道0下限
    int max0 = GetParamValue_Int(paramIndex++);   // 2 - 通道0上限
    int min1 = GetParamValue_Int(paramIndex++);   // 3 - 通道1下限
    int max1 = GetParamValue_Int(paramIndex++);   // 4 - 通道1上限
    int min2 = GetParamValue_Int(paramIndex++);   // 5 - 通道2下限
    int max2 = GetParamValue_Int(paramIndex++);   // 6 - 通道2上限
    int dim = dstMat.channels();
    cv::Mat maskMat;
    if(dim == 1)
        inRange(dstMat, Scalar(min0), Scalar(max0), dstMat);
    if(dim == 2)
        inRange(dstMat, Scalar(min0, min1), Scalar(max0, max1), dstMat);
    if(dim >= 3)
        inRange(dstMat, Scalar(min0, min1, min2), Scalar(max0, max1, max2), dstMat);
    if(combineMaskFlag)
        originMat.copyTo(dstMat, dstMat);

基准偏差过滤

二值化本质上是针对各像素点进行逻辑判断处理。想明白这点，那就可以实现色通，即在指定彩色颜色相邻区域内OK，其余颜色不再关心。比如绿幕抠图，那就把绿色颜色干掉，只留下其余部分，也就是前景。好象这里说反了，不过理解起来是一样的。
基准偏差，那就是有基准，有偏差，在这个范围内是期望的，出了这个范围就不OK

基准可以是灰度、单通道或彩色，代码写起来很简单，我整成功能函数，以便后续调用

    cv::Mat originMat = dstMat.clone();
    int paramIndex = 0;
    bool combineMaskFlag = GetParamValue_Bool(paramIndex++);    // 0 - 过滤原图显示
    bool reverseFlag = GetParamValue_Bool(paramIndex++);        // 1 - 反相
    int channelType = GetParamValue_Int(paramIndex++);          // 2 - 基准类型
    QColor baseColor = GetParamValue_Color(paramIndex++);       // 3 - 基准值
    int delta = GetParamValue_Int(paramIndex++);                // 4 - 偏差量
    if(channelType != 5) { // 灰度基本偏差
        if(channelType == 4)    // 灰度图
            dstMat = CvHelper::ToMat_GRAY(dstMat);
        else {  // 目标单通道
            // 首先要确保有相应的通道存在
            int dstChannelNumber = channelType + 1;
            if(dstChannelNumber == 2)
                dstChannelNumber = 3;
            if(dstMat.channels() < dstChannelNumber)
                dstMat = CvHelper::ChangeMatDim(dstMat, dstChannelNumber);
            std::vector<cv::Mat> channels;
            split(dstMat, channels);
            dstMat = channels[channelType];
        }
        dstMat = CvHelper::BuildTransMaskMat(dstMat, baseColor.red() % 0x100, delta);
    } else { // 彩色基本偏差
        dstMat = CvHelper::BuildTransMaskMat(dstMat, baseColor, delta);
    }
    if(reverseFlag)
        bitwise_not(dstMat, dstMat);
    if(combineMaskFlag)
        originMat.copyTo(dstMat, dstMat);
        
// 生成MASK屏蔽图形 - 彩色基准偏差 - 色通 -> transColor ± delta之间通过，之外不过
Mat CvHelper::BuildTransMaskMat(cv::Mat &srcMat, QColor transColor, BYTE delta) {
    cv::Mat bgrMat = ToMat_BGR(srcMat);
    BYTE r = transColor.red();
    BYTE g = transColor.green();
    BYTE b = transColor.blue();
    BYTE maxR = std::min(255, int(r + delta));
    BYTE minR = std::max(0,   int(r - delta));
    BYTE maxG = std::min(255, int(g + delta));
    BYTE minG = std::max(0,   int(g - delta));
    BYTE maxB = std::min(255, int(b + delta));
    BYTE minB = std::max(0,   int(b - delta));
    cv::Mat maskMat;
    inRange(bgrMat, Scalar(minB, minG, minR), Scalar(maxB, maxG, maxR), maskMat);
    return maskMat;
}
// 生成MASK屏蔽图形 - 灰度基准偏差 - 灰通 -> transByte ± delta之间通过，之外不过
Mat CvHelper::BuildTransMaskMat(cv::Mat &srcMat, BYTE transByte, BYTE delta) {
    cv::Mat grayMat = ToMat_GRAY(srcMat);
    cv::Mat resultMat(grayMat.rows, grayMat.cols, CV_8UC1);
    BYTE * pSrc = grayMat.data;
    BYTE * pDst = resultMat.data;
    int low = transByte - delta, high = transByte + delta;
    BYTE LOW = std::max(0, low);
    BYTE HIGH = std::min(0xFF, high);
    for(int row = 0; row < grayMat.rows; ++row)
        for(int col = 0; col < grayMat.cols; ++col) {
            BYTE v = *pSrc++;
            BYTE value = 0x0;
            if(IS_IN_RANGE(v, LOW, HIGH))
                value = 0xFF;
            *pDst++ = value;
        }
    return resultMat;
}

分量偏差过滤

与基准偏差过滤对应的是分量偏差过滤，即各像素点分量差在目标范围内/外作为选择判断的基准。代码就太简单了。运行效果如下图所示。

为更实用，在逻辑处理前，先将图像转化为RGB三通道，不含A通道即可。