数字图像二值化处理

二值化（Binarization）是最简单的图像分割方法。

图像二值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。二值图像每个像素只有两种取值：要么纯黑，要么纯白。

而对于单通道的灰度图像来说，这个元素就是一个数字。这个数字代表了图像在这个点的亮度，数字越大像素点也就越亮，在常见的八位单通道色彩空间中，0代表全黑，255代表全白。

实现数字图像二值化处理一个重要的方法就是阈值法。也就是选取一个数字，大于它就视为全白，小于它就视为全黑，该数字便是阈值。类似声控灯，当我们声音的大小超过某个分贝，就能使灯亮。不同的阈值对数字图像二值化的结果也有区别。

这里我们用MATLAB实现。在MATLAB中十分简单，只需使用两个函数便可实现：

thresh=graythresh(img);%自动确定图像阈值
img = im2bw(img,thresh); %自动对图像进行二值化处理

使用该函数求得的阈值为全局阈值。

当然我们也可以自己编程实现二值化处理，可以任意指定阈值。

例如：要求二值化后0和255值像素点数目约各占一半。此时使用全局阈值便无法满足要求。

关键在于如何求图像的阈值，此种情况求图像像素点的中位数即可满足要求。

以刘德华图像为例：

 

代码实现如下：

img=imread('Andy Law.jpg');
%求二值化阈值
temp=reshape(img,1,644*800);
thresh=median(temp); %要保证 0,255 的像素点各占一半，求像素灰度值的中位数即为阈值
X=['二值化阈值=',num2str(thresh)];
disp(X)

运行结果为：

二值化阈值=14

[m,n]=size(img);
%二值化处理
for i=1:m 
 for j=1:n 
 if img(i,j)>thresh
 img(i,j)=255;
 else
 img(i,j)=0;
 end
 end
end
imshow(img)
title('二值化处理结果')

运行结果为：

二值化处理是图像分割中一个非常重要的方法，图像二值化的目的是简化图像，使其易于计算机处理。例如，在文本识别、边缘检测、图像分割等应用中，二值化图像可以帮助算法更准确地识别图像中的边缘和特征。

此外，图像二值化还可以帮助减小图像的文件大小，这对于存储和传输图像是很有帮助的。

总的来说，图像二值化是一种非常有用的图像处理技术，它可以简化图像，使其更容易被计算机处理，并且可以帮助减小图像的文件大小。