opencv实现对图片的二值化

图像阈值分割

二值化是图像分割的一种方法。在二值化图象的时候把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。
根据阈值选取的不同，二值化的算法分为固定阈值和自适应阈值。 比较常用的二值化方法则有：双峰法、P参数法、迭代法和OTSU法等。

代码实现

#encoding:utf-8
import cv2
import matplotlib.pyplot as plt

img=cv2.imread("qiong")
img_gray=cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)

cv2.namedWindow("qiong",cv2.WINDOW_NORMAL)
cv2.imshow("qiong",img)
cv2.namedWindow("gray",cv2.WINDOW_NORMAL)
cv2.imshow("gray",img_gray)

hist = cv2.calcHist([img_gray],[0],None,[256],[0,255])
# import pdb
# pdb.set_trace()

retval,img_bin=cv2.threshold(img_gray,125,255,cv2.THRESH_BINARY)
cv2.namedWindow("binary",cv2.WINDOW_NORMAL)
cv2.imshow("binary",img_bin)
print(retval)


plt.figure()#新建一个图像
plt.title("Grayscale Histogram")#图像的标题
plt.xlabel("Bins")#X轴标签
plt.ylabel("# of Pixels")#Y轴标签
plt.plot(hist)#画图
plt.xlim([0,256])#设置x坐标轴范围
plt.show()#显示图像
cv2.waitKey(0)

实验结果