1.什麼是影象二值化

彩色影象： 有blue，green，red三個通道，取值範圍均為0-255

灰度圖：只有一個通道0-255，所以一共有256種顏色

二值影象：只有兩種顏色，黑色和白色，二值化就是把影象的畫素轉變為0或者255，只有這兩個畫素值。0白色 1黑色 。0是黑色，255是白色。

2.影象二值化

（1）先獲取閾值

（2）根據閾值去二值化圖

（3）threshold函式

原型：threshold(src,thresh,maxval,type,dst=None)。

作用：將影象的每個畫素點進行二值化。

引數：thresh，閾值（最小值）。maxval，二值化的最大取值。

type，二值化型別，一般設為0，也可以取以下的值：

（4）全域性閾值 -程式碼實現

 1 # -*- coding=GBK -*-
 2 import cv2 as cv
 3 import numpy as np
 4  
 5  
 6 #影象二值化 0白色 1黑色
 7 #全域性閾值
 8 def threshold_image(image):
 9     gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
10     cv.imshow("原來", gray)
11  
12     ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)#
 
大律法,全域性自適應閾值 引數0可改為任意數字但不起作用
13     print("閾值：%s" % ret)
14     cv.imshow("OTSU", binary)
15  
16     ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_TRIANGLE)#TRIANGLE法,，全域性自適應閾值, 引數0可改為任意數字但不起作用，適用於單個波峰
17     print("閾值：%s" % ret)
18     cv.imshow("TRIANGLE", binary)
19  
20     ret, binary = cv.threshold(gray, 150, 255, cv.THRESH_BINARY)#
 
 自定義閾值為150,大於150的是白色 小於的是黑色
21     print("閾值：%s" % ret)
22     cv.imshow("自定義", binary)
23  
24     ret, binary = cv.threshold(gray, 150, 255, cv.THRESH_BINARY_INV)# 自定義閾值為150,大於150的是黑色 小於的是白色
25     print("閾值：%s" % ret)
26     cv.imshow("自定義反色", binary)
27  
28     ret, binary = cv.threshold(gray, 150, 255, cv.THRESH_TRUNC)# 截斷 大於150的是改為150  小於150的保留
29     print("閾值：%s" % ret)
30     cv.imshow("截斷1", binary)
31  
32     ret, binary = cv.threshold(gray, 150, 255, cv.THRESH_TOZERO)# 截斷 小於150的是改為150  大於150的保留
33     print("閾值：%s" % ret)
34     cv.imshow("截斷2", binary)
35  
36 src = cv.imread("C://1.jpg")
37 threshold_image(src)
38 cv.waitKey(0)
39 cv.destroyAllWindows()

函式threshold()的引數說明：

cv.THRESH_BINARY | cv.THRESH_OTSU)#大律法,全域性自適應閾值 引數0可改為任意數字但不起作用
cv.THRESH_BINARY | cv.THRESH_TRIANGLE)#TRIANGLE法,，全域性自適應閾值, 引數0可改為任意數字但不起作用，適用於單個波峰
cv.THRESH_BINARY)# 自定義閾值為150,大於150的是白色 小於的是黑色
cv.THRESH_BINARY_INV)# 自定義閾值為150,大於150的是黑色 小於的是白色
cv.THRESH_TRUNC)# 截斷 大於150的是改為150 小於150的保留

cv.THRESH_TOZERO)# 截斷 小於150的是改為150 大於150的保留

（5）區域性閾值 -程式碼實現

1 #區域性閾值
2 def local_image(image):
3     gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
4     cv.imshow("原來", gray)
5     binary1 = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 25, 10)  #blocksize必須為奇數
6     cv.imshow("區域性1", binary1)
7     binary2 = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 25, 10)#高斯處理
8     cv.imshow("區域性2", binary2)

（6）自己計算閾值-程式碼實現

 1 # -*- coding=GBK -*-
 2 import cv2 as cv
 3 import numpy as np
 4  
 5  
 6 #求出影象均值作為閾值來二值化
 7 def custom_image(image):
 8     gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
 9     cv.imshow("原來", gray)
10     h, w = gray.shape[:2]
11     m = np.reshape(gray, [1, w*h])#化為一維陣列
12     mean = m.sum() / (w*h)
13     print("mean: ", mean)
14     ret, binary = cv.threshold(gray, mean, 255, cv.THRESH_BINARY)
15     cv.imshow("二值", binary)
16  
17  
18 src = cv.imread("C://1.jpg")
19 custom_image(src)
20 cv.waitKey(0)
21 cv.destroyAllWindows()

參考：

https://blog.csdn.net/u011321546/article/details/79593195

https://blog.csdn.net/Vici__/article/details/100714822#15%E3%80%81%E4%BA%8C%E5%80%BC%E5%8C%96%EF%BC%88cv2.threshold%EF%BC%89

https://www.cnblogs.com/ssyfj/p/9272615.html