图像二值化

将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。灰度化，在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255（黑-白）。
灰度化处理的两种方法:
方法1：
灰度化后的R=（处理前的R + 处理前的G +处理前的B）/ 3
灰度化后的G=（处理前的R + 处理前的G +处理前的B）/ 3
灰度化后的B=（处理前的R + 处理前的G +处理前的B）/ 3
方法2：
灰度化后的R = 处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
灰度化后的G = 处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
灰度化后的B = 处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11

将图像灰度化处理后，再进行二值化。灰度图像二值化最常用的方法是阈值法，他利用图像中目标与背景的差异，把图像分别设置为两个不同的级别，选取一个合适的阈值，以确定某像素是目标还是背景，从而获得二值化的图像。
常用的二值化方法：
方法1：
取阀值为127（相当于0~255的中数，（0+255）/2=127），让灰度值小于等于127的变为0（黑色），灰度值大于127的变为255（白色），这样做的好处是计算量小速度快，但是缺点也是很明显的，因为这个阀值在不同的图片中均为127，但是不同的图片，他们的颜色分布差别很大，所以用127做阀值，白菜萝卜一刀切，效果肯定是不好的。
方法2：
计算像素点矩阵中的所有像素点的灰度值的平均值avg
（像素点1灰度值+…+像素点n灰度值）/ n = 像素点平均值avg
然后让每一个像素点与avg一 一比较，小于等于avg的像素点就为0（黑色），大于avg的 像素点为255（白色），这样做比方法1好一些。
方法3：
使用直方图方法（也叫双峰法）来寻找二值化阀值，直方图是图像的重要特质。直方图方法认为图像由前景和背景组成，在灰度直方图上，前景和背景都形成高峰，在双峰之间的最低谷处就是阀值所在。取到阀值之后再一 一比较就可以了。
图像二值化阈值选取常用方法汇总
注意自适应阀值的使用
Python+OpenCV图像处理（十）—— 图像二值化
22-自适应阈值化操作：adaptiveThreshold()函数