基于python的图像二值化处理（opencv）

图像二值化处理 （python-opencv）

 

二值化

图像的二值化，在图像处理中是十分重要的一个步骤。是几乎所有后续的图像处理的基础和前提。只有根据不同场景选择不同的二值化处理，才能对一幅图片较好的初始化。（包括灰度值处理，二值化处理，根据噪声类型降噪等等）。

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，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

一幅图像包括目标物体、背景还有噪声，要想从多值二值化的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分:大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化(BINARIZATION)。

 

二值化是图像处理的基本操作，任何图像处理基本离不开二值化的操作。其应用非常广泛。

 

下面是写的一段关于图像二值化的代码片段：

 

import cv2  

image = cv2.imread('test.jpg')                        #读入图片 
image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)  	#二值化函数 
cv2.threshold(image, 140, 255, 0, image)  			#二值化函数 

cv2.namedWindow("Image")  							#图片显示框的名字 这行没啥用 
cv2.imshow("Image", image)  						#图片显示 

cv2.waitKey(0)  									
cv2.imwrite('two_result.jpg', image)    # 保存当前灰度值处理过后的文件 





#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，也就是将整个图像呈现出明显的只有黑和白的视觉效果。 
#一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

#Python-OpenCV中提供了阈值（threshold）函数： 
#cv2.threshold（） 
#函数： 
#1. src 指原图像，原图像应该是灰度图。 
#2. x 指用来对像素值进行分类的阈值。 
#3. y 指当像素值高于（有时是小于）阈值时应该被赋予的新的像素值 
#4. Methods 指不同的阈值方法，

其中 threshold 函数的参数均可以调节 。

其中，第二个参数是判定像素点的临界值。超过了这个点，将会被划分为255，低于这个点，将会被划分为0。具体的参数0~255可以自行根据需要调节。

代码效果还是比较不错的。