图像的二值化就是将图像上的像素点的灰度值设置为0或255，这样将使整个图像呈现出明显的黑白效果。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓
二值图像
二值图像是每个像素只有两个可能值的数字图像。常用黑白、B&W、单色图像表示二值图像，但是也可以用来表示每个像素只有一个采样值的任何图像，例如灰度图像等。
二值图像经常出现在数字图像处理中作为图像掩码或者在图像分割、二值化和dithering的结果中出现。二值图像经常使用位图格式存储。所以可以解释为二维整数格 Z2 ,
Code
import cv2 as cv
import numpy
def threshold_demo(image):
# 全局阈值
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
# 大律法,全局自适应阈值 参数0可改为任意数字但不起作用
ret1, binary1 = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
print("OTSU threshold value:%s" % ret1)
cv.imshow("binary1", binary1)
# TRIANGLE法,，全局自适应阈值, 参数0可改为任意数字但不起作用，适用于单个波峰
ret2, binary2 = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_TRIANGLE)
print("TRIANGLE threshold value:%s" % ret2)
cv.imshow("binary2", binary2)
# 自定义阈值为127,大于150的是白色 小于的是黑色
ret3, binary3 = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
print("Adapter threshold value:%s" % ret3)
cv.imshow("binary3", binary3)
# 自定义阈值为127,大于127的是黑色 小于的是白色
ret4, binary4 = cv.threshold(gray, 127, 255, cv.THRESH_BINARY_INV)
print("Adapter threshold value:%s" % ret4)
cv.imshow("binary4", binary4)
# 截断大于127的是改为127 小于127的保留
ret5, binary5 = cv.threshold(gray, 127, 255, cv.THRESH_TRUNC)
print("截断1threshold value:%s" % ret5)
cv.imshow("binary5", binary5)
# 截断 小于150的是改为150 大于150的保留
ret6, binary6 = cv.threshold(gray, 127, 255, cv.THRESH_TOZERO)
print("截断1threshold value:%s" % ret6)
cv.imshow("binary6", binary6)
def local_threshold(image):
# 局部二值化
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
binary = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 25, 10)
cv.imshow("local_threshold", binary)
def custom_threshold(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
height, width = gray.shape[:2]
m = numpy.reshape(gray, [1, height * width])
mean = m.sum() / (height * width)
print("mean:", mean)
ret, binary = cv.threshold(gray, mean, 255, cv.THRESH_BINARY) # ret阈值
cv.imshow("custom_threshold", binary)
src = cv.imread("girl.jpeg", cv.IMREAD_COLOR)
cv.namedWindow("lena", cv.WINDOW_AUTOSIZE)
cv.imshow("lena", src)
threshold_demo(src)
# local_threshold(src)
# custom_threshold(src)
cv.waitKey(0)
cv.destroyAllWindows()
API
1、全局阈值
threshold其函数原型为：threshold(src, thresh, maxval, type[, dst]) -> retval, dst
src参数表示输入图像（多通道，8位或32位浮点）。
thresh参数表示阈值。
maxval参数表示与THRESH_BINARY和THRESH_BINARY_INV阈值类型一起使用设置的最大值。
type参数表示阈值类型。
retval参数表示返回的阈值。若是全局固定阈值算法，则返回thresh参数值。若是全局自适应阈值算法，则返回自适应计算得出的合适阈值。
dst参数表示输出与src相同大小和类型以及相同通道数的图像。
type阈值类型说明
cv.THRESH_BINARY | cv.THRESH_OTSU)#大律法,全局自适应阈值 参数0可改为任意数字但不起作用
cv.THRESH_BINARY | cv.THRESH_TRIANGLE)#TRIANGLE法,，全局自适应阈值, 参数0可改为任意数字但不起作用，适用于单个波峰
cv.THRESH_BINARY)# 自定义阈值为127,大于127的是白色 小于的是黑色
cv.THRESH_BINARY_INV)# 自定义阈值为127,大于127的是黑色 小于的是白色
cv.THRESH_TRUNC)# 截断 大于127的是改为127 小于127的保留
cv.THRESH_TOZERO)# 截断 小于127的是改为127 大于127的保留
2、局部阈值
adaptiveThreshold函数进行局部阈值
函数原型为：adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]) -> dst
src参数表示输入图像（8位单通道图像）。
maxValue参数表示使用 THRESH_BINARY 和 THRESH_BINARY_INV 的最大值.
adaptiveMethod参数表示自适应阈值算法，
平均— cv2.ADAPTIVE_THRESH_MEAN_C ：领域内均值
高斯—cv2.ADAPTIVE_THRESH_GAUSSIAN_C ：领域内像素点加权和，权 重为一个高斯窗口
thresholdType参数表示阈值类型，必须为THRESH_BINARY或THRESH_BINARY_INV的阈值类型。
blockSize参数表示块大小，规定领域大小（奇数且大于1，比如3，5，7........ ）。
C参数是常数，表示从平均值或加权平均值中减去的数。 通常情况下，这是正值，但也可能为零或负值。
3、自适应阈值
numpy的reshape函数是给数组一个新的形状而不改变其数据，函数原型：reshape(a, newshape, order='C')
a参数表示需要重新形成的原始数组。
newshape参数表示int或int类型元组（tuple），若为(1, 3),表示生成的新数组是1行3列。
order参数表表示使用此索引顺序读取a的元素，并使用此索引顺序将元素放置到重新形成的数组中。
函数返回值：如果可能的话，这将是一个新的视图对象; 否则，它会成为副本。
