6、图像二值化、边缘检测与轮廓提取技术详解

图像二值化、边缘检测与轮廓提取技术详解

一、图像二值化技术

1.1 简单阈值处理

简单阈值处理是将一个全局阈值应用于图像的所有像素。例如，对于一张严重污渍的扫描文档图像（图 3 - 50），使用 THRESH_BINARY 方法会生成白色背景上的黑色文本图像，而 THRESH_BINARY_INV 方法则会生成黑色背景上的白色文本图像。

不过，简单阈值处理需要预先知道阈值，并且在处理大量图像或需要根据图像类型和强度变化调整阈值时，可能不是理想的方法。在这种情况下，可以考虑使用自适应阈值处理或大津法（Otsu）二值化。

1.2 自适应阈值处理

自适应阈值处理是一种根据像素的局部邻域动态调整阈值的技术，能更好地处理图像中的光照变化和强度变化。

以下是使用自适应阈值处理对灰度图像进行二值化的代码示例：

import cv2
import numpy as np

# 加载图像
image = cv2.imread("images/boat.jpg")
# 将图像转换为灰度图像
image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

cv2.imshow("Original Grayscale Image", image)

# 使用自适应阈值处理和简单均值进行二值化
binarized = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BI