python 如何二值化图

Python 二值化图像可以使用多种方法，包括opencv、PIL、scikit-image等库。二值化图像是将图像转换为仅包含两种颜色（通常是黑色和白色）的图像。常用的方法有全局阈值法、自适应阈值法、Otsu阈值法。其中，opencv 提供了多种便捷的二值化方法，我们将详细介绍使用opencv进行图像二值化的方法。

一、全局阈值法

全局阈值法是最简单的二值化方法。它将图像中的像素值与一个全局阈值进行比较，大于阈值的像素被设置为白色，小于阈值的像素被设置为黑色。

1、使用 OpenCV 进行全局阈值法二值化

要使用 OpenCV 进行全局阈值法二值化图像，可以使用 cv2.threshold 函数。这个函数的参数包括源图像、阈值、最大值和阈值类型。以下是一个示例代码：

import cv2
读取灰度图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
设置阈值
threshold_value = 127
进行二值化
_, binary_image = cv2.threshold(image, threshold_value, 255, cv2.THRESH_BINARY)
显示原图和二值化后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们将阈值设置为127，意味着所有像素值大于127的部分将被设置为255（白色），其余部分将被设置为0（黑色）。

二、自适应阈值法

自适应阈值法根据图像的局部特征来确定阈值，适用于光照条件不均匀的图像。OpenCV 提供了 cv2.adaptiveThreshold 函数来实现自适应阈值法。

1、使用 OpenCV 进行自适应阈值法二值化

自适应阈值法有两种方法：均值法和高斯法。以下是使用自适应阈值法进行图像二值化的示例代码：

import cv2
读取灰度图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
进行自适应阈值二值化（均值法）
adaptive_thresh_mean = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C,
                                             cv2.THRESH_BINARY, 11, 2)
进行自适应阈值二值化（高斯法）
adaptive_thresh_gaussian = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                                                 cv2.THRESH_BINARY, 11, 2)
显示原图和二值化后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Adaptive Mean Thresholding', adaptive_thresh_mean)
cv2.imshow('Adaptive Gaussian Thresholding', adaptive_thresh_gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们使用了 cv2.ADAPTIVE_THRESH_MEAN_C 和 cv2.ADAPTIVE_THRESH_GAUSSIAN_C 两种方法来进行自适应阈值二值化。

三、Otsu 阈值法

Otsu 阈值法是一种自动确定全局阈值的方法。它通过最大化类间方差来找到最佳阈值。OpenCV 提供了 cv2.threshold 函数的一个选项来使用 Otsu 阈值法。

1、使用 OpenCV 进行 Otsu 阈值法二值化

以下是使用 Otsu 阈值法进行图像二值化的示例代码：

import cv2
读取灰度图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
进行 Otsu 阈值二值化
_, otsu_thresh = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
显示原图和二值化后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Otsu Thresholding', otsu_thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们将阈值设置为0，并使用 cv2.THRESH_BINARY + cv2.THRESH_OTSU 来启用 Otsu 阈值法。Otsu 阈值法会自动计算出最佳的阈值。

四、使用 PIL 进行图像二值化

Python 的 PIL（Pillow）库也可以用于图像二值化。PIL 提供了 Image.convert 方法来将图像转换为二值图像。

1、使用 PIL 进行全局阈值法二值化

以下是使用 PIL 进行全局阈值法二值化的示例代码：

from PIL import Image
读取图像
image = Image.open('image.jpg').convert('L')
进行二值化
threshold_value = 127
binary_image = image.point(lambda x: 255 if x > threshold_value else 0, '1')
显示原图和二值化后的图像
image.show()
binary_image.show()

在这个示例中，我们使用 Image.point 方法来进行二值化。这个方法接受一个函数作为参数，并将该函数应用到图像的每个像素上。

五、使用 scikit-image 进行图像二值化

scikit-image 是一个强大的图像处理库，提供了多种图像处理功能，包括二值化。scikit-image 提供了 threshold_otsu 函数来计算 Otsu 阈值，并提供了 threshold_local 函数来进行局部阈值处理。

1、使用 scikit-image 进行 Otsu 阈值法二值化

以下是使用 scikit-image 进行 Otsu 阈值法二值化的示例代码：

from skimage import io, color
from skimage.filters import threshold_otsu
读取灰度图像
image = io.imread('image.jpg', as_gray=True)
计算 Otsu 阈值
otsu_thresh_value = threshold_otsu(image)
进行二值化
binary_image = image > otsu_thresh_value
显示原图和二值化后的图像
io.imshow(image)
io.show()
io.imshow(binary_image)
io.show()

在这个示例中，我们使用 threshold_otsu 函数来计算 Otsu 阈值，并将图像进行二值化。

2、使用 scikit-image 进行自适应阈值法二值化

以下是使用 scikit-image 进行自适应阈值法二值化的示例代码：

from skimage import io, color
from skimage.filters import threshold_local
读取灰度图像
image = io.imread('image.jpg', as_gray=True)
计算局部阈值
block_size = 35
local_thresh = threshold_local(image, block_size, offset=10)
进行二值化
binary_image = image > local_thresh
显示原图和二值化后的图像
io.imshow(image)
io.show()
io.imshow(binary_image)
io.show()