二值化_初探图像二值化

二值化

（英文: Binarization）

意将非二值图像经过计算变成二值图像，它进行图像分割(Segmentation)最简单的一种方法，即后续图像处理技术的基础(简化后期的处理，提高处理速度），可以将灰度图像转化成二值图像。一般用它将感兴趣的目标和背景分离，比如：将人脸图像分为皮肤区域和非皮肤区域，将图像文字转换成PDF文字(黑/白)等等。因此，图像二值化可以看做是聚类或者分类。

二值图像即为每个像素只有两个可能值的数字图像，常出现在图像掩码，图像分割，二值化和dithering。

其将大于某个临界灰度值的像素灰度设为灰度极大值，小于这个值的为灰度极小值，从而实现二值化。

根据域值，二值化分为固定阈值和自适应阈值。比较常用的二值化方法有：双峰法，P参数法，迭代法和OTSU法等。

首先，介绍一种比较简单的方法。将图片灰度化后，我们选择127(灰度值范围的一半)作为阈值，即将像素值大于127的像素值全部设为255，小于127的全部设为0.

def easy_binarization(img):
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img_gray[img_gray>127] = 255
    img_gray[img_gray<=127] = 0
    plt.imshow(img_gray, cmap='gray')
    plt.show()
    return img_gray

通过这种方法我们得到一张这样的图片：

严谨一点，为了应对每张灰度值大不相同，我们将阈值取为图像本身的平均值。

def mean_binarization(img):
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    threshold = np.mean(img_gray)
    img_gray[img_gray>threshold] = 255
    img_gray[img_gray<=threshold] = 0
    plt.imshow(img_gray, cmap='gray')
    plt.show()
    return img_gray