- Reconnaissance faciale
- Systèmes de reconnaissance de l'iris
- Reconnaissance gestuelle
- Interaction homme-machine (HCI)
- Robotique mobile
- Identification d'objet
- Segmentation et reconnaissance
- Vision stéréoscopique Stereopsis : perception de la profondeur à partir de 2 caméras
- Réalité augmentée
- Pixels ayant une valeur d'intensité inférieure au seuil.
- Pixels ayant une valeur d'intensité supérieure au seuil.
L'image RVB d'entrée est d'abord convertie en image en niveaux de gris avant que le seuillage ne soit effectué. 
Types de seuil 
Parmi les deux groupes obtenus précédemment, le groupe dont les membres ont une intensité de pixel supérieure au seuil défini est l'affectation Max_Value ou, dans le cas d'une échelle de gris, une valeur de 255 (blanc). Les membres du groupe restant ont leurs intensités de pixels réglées sur 0 (noir). 
Si la valeur d'intensité des pixels en (x y) dans l'image source est supérieure au seuil, la valeur dans l'image finale est définie sur maxVal. 
Inv. Le seuil binaire est le même que le seuil binaire. La seule différence essentielle réside dans le seuillage Inv.Binary, le groupe ayant des intensités de pixels supérieures au seuil défini se voit attribuer « 0 », tandis que les pixels restants ayant des intensités inférieures au seuil sont définis sur maxVal. 
Si la valeur d'intensité des pixels en (x y) dans l'image source est supérieure au seuil, la valeur dans l'image finale est définie sur 0, sinon elle est définie sur maxVal. 
Le groupe ayant des intensités de pixels supérieures au seuil défini est tronqué au seuil défini ou, en d'autres termes, les valeurs de pixels sont définies pour être identiques au seuil défini. Toutes les autres valeurs restent les mêmes. 
Si la valeur d'intensité des pixels en (x y) dans l'image source est supérieure au seuil, la valeur dans l'image finale est définie sur le seuil, sinon elle reste inchangée. 
Une technique de seuillage très simple dans laquelle nous définissons l'intensité des pixels sur « 0 » pour tous les pixels du groupe ayant une valeur d'intensité de pixel inférieure au seuil. 
Si la valeur d'intensité des pixels en (x y) dans l'image source est supérieure au seuil, la valeur en (x y) dans l'image finale ne change pas. Tous les pixels restants sont mis à « 0 ». 
Semblable à la technique précédente, nous définissons ici l'intensité des pixels sur « 0 » pour tous les pixels du groupe ayant une valeur d'intensité de pixel supérieure au seuil. 
Si la valeur d'intensité des pixels en (x y) dans l'image source est supérieure au seuil, la valeur en (x y) dans l'image finale est définie sur « 0 ». Toutes les valeurs de pixels restantes restent inchangées. Pour compiler des programmes OpenCV, vous devez avoir la bibliothèque OpenCV installée sur votre système. Je publierai un tutoriel simple pour le même dans les prochains jours. Si vous avez déjà installé OpenCV, exécutez le code ci-dessous avec l'image d'entrée de votre choix. CPP // CPP program to demonstrate segmentation // thresholding. #include ' ' ' << endl; return -1; } int threshold_value = 0; // Valid Values: 0 1 2 3 4 int threshold_type = 2; // maxVal useful for threshold_type 1 and 2 int maxVal = 255; // Source image Mat src = imread(argv[1] 1); cvNamedWindow('Original' CV_WINDOW_NORMAL); imshow('Original' src); Mat src_gray dst; // Convert the image to GrayScale cvtColor(src src_gray CV_BGR2GRAY); // Create a window to display results cvNamedWindow('Result' CV_WINDOW_NORMAL); createTrackbar('Threshold' 'Result' &threshold_value 255); while (1) { threshold(src_gray dst threshold_value maxVal threshold_type); imshow('Result' dst); waitKey(1); } }