影象的二值化或閾值化（Binarization）旨在提取影象中的目標物體，將背景以及噪聲區分開來。通常會設定一個閾值T，通過T將影象的畫素劃分為兩類：大於T的畫素群和小於T的畫素群。

灰度轉換處理後的影象中，每個畫素都只有一個灰度值，其大小表示明暗程度。二值化處理可以將影象中的畫素劃分為兩類顏色，常用的二值化演算法如公式1所示：

{Y=0，gray<TY=255，gray>=T
{Y=0，gray<TY=255，gray>=T​

當灰度Gray小於閾值T時，其畫素設定為0，表示黑色；當灰度Gray大於或等於閾值T時，其Y值為255，表示白色。

Python OpenCV中提供了閾值函式threshold()實現二值化處理，其公式及引數如下圖所示：

retval,dst = cv2.threshold(src,thresh,maxval,type)

二進位制閾值化

該方法先要選定一個特定的閾值量，比如127

1) 大於等於127的畫素點的灰度值設定為最大值

2) 灰度值小於127的畫素點的灰度值設定為0

例如: 156->255 89->0

關鍵字為cv2.THRESH_BINARY,完整程式碼如下

import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度圖片轉換
  GrayImage = cv2.cvtColor(src,cv2.COLOR_BGR2BGRA)
  # 二進位制閾值化處理
  r,b = cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)
  # 顯示影象
  cv2.imshow("src",src)
  cv2.imshow("result",b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

反二進位制閾值化

該方法與二進位制閾值化方法相似，先要選定一個特定的灰度值作為閾值，比如127

1) 大於127的畫素點的灰度值設定為0

2) 小於該閾值的灰度值設定為255

例如：156->0 89->255

關鍵字為cv2.THRESH_BINARY_INV

程式碼如下:

import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度圖片轉換
  GrayImage = cv2.cvtColor(src,cv2.THRESH_BINARY_INV)
  # 顯示影象
  cv2.imshow("src",b)

  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

截斷閾值化

該方法需要選定一個閾值，影象中大於該閾值的畫素點被設定為該閾值，小於該閾值的保持不變。

1) 大於等於127畫素點的灰度值設定為該閾值127

2) 小於該閾值的灰度值不變

例如: 163-> 127 89->89

關鍵字cv2.THRESH_TRUNC,cv2.THRESH_TRUNC) # 顯示影象 cv2.imshow("src",b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()

效果如下:

反閾值化為0

該方法先選定一個閾值，比如127

(1) 大於等於閾值127的畫素點變為0
(2) 小於該閾值的畫素點值保持不變

例如: 128->0 89->89

關鍵字為cv2.THRESH_TOZERO_INV,完整程式碼如下：

import cv2
def test22():
  src = cv2.imread("rose.jpg")
  # 灰度圖片轉換
  GrayImage = cv2.cvtColor(src,cv2.THRESH_TOZERO_INV)
  # 顯示影象
  cv2.imshow("src",b)
  if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
test22()

效果如下:

閾值為0

該方法先選定一個閾值，比如127

(1) 大於等於閾值127的畫素點，值保持不變

(2) 小於該閾值的畫素點值設定為0

例如: 163->163 102->0

關鍵字為cv2.THRESH_TOZERO,cv2.THRESH_TOZERO) # 顯示影象 cv2.imshow("src",b) if cv2.waitKey(0) == 27: cv2.destroyAllWindows() test22()

效果如下:

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。