基于python-tensorflow的机器视觉学习手札 （1.3）图像处理篇-图像类型转换、二值化、灰度增强

首先补一下忘记说了的最基础的东西 二值化 之类的基础操作

0 图像之间转换

0.1各种类型的相互转换

图像类型转换通常是在索引色、灰度图、真彩色（RGB）、二值图像之间。matlab中，有函数分别对应各种类型的相互转换：
dither抖动法把灰度变成二值图，或把真彩色抖动成索引色
gray2ind将灰度图转换为索引图
grayslice通过设定阈值，将灰度图转换为索引图
im2bw通过设定阈值，将各种图转换为二值化图
ind2gray索引转灰度 ind2rgb 索引转真彩
rgb2gray真彩转灰度 rgb2ind 真彩转索引

在具体的操作中，索引色除了一些展示数据的场合，很少以图像的形式显示。而灰度图，真彩色的各个通道，二值图，都有各自特殊的作用，在对象检测、模式识别等领域被广泛的使用。
在python中，也同样可以用opencv来实现由真彩色转换为灰度图，与灰度图二值化，并且二值化有很多方式。
由真彩色变为灰度图我们可以用：

im_gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

0.2 二值化

二值化是大多数图像处理中很重要的一个环节，它可以使图像变得更简单。为了使二值化的效果更好，二值化的方法也在不断进步。

0.2.1 固定阈值二值化

开始是固定阈值的二值化，就是大于n的只设为255，小于n的值设为0，这个n就是全局固定阈值。这种方法会出现在不同的明暗环境下，目标和背景不能够很好的被区分。
在matlab中，可以用graythresh自动获取阈值，再用im2bw来做二值化操作。并且这种操作并不需要图像先转换为灰度图，直接真彩色也可以二值化。
在python中，固定阈值的二值化操作如下：

retval, im_at_fixed= cv2.threshold(im_gray, 50, 255, cv2.THRESH_BINARY) 
#将阈值设置为50，阈值类型为cv2.THRESH_BINARY，则灰度在大于50的像素其值将设置为255，其它像素设置为0
cv2.axis("off") 
cv2.title("Fixed Thresholding")
cv2.imshow(im_at_fixed, cmap = 'gray')