python图像二值化处理

　　一、图像二值化

　　图像二值化是指将图像上像素点的灰度值设定为0或255，即整个图像呈现明显的黑白效果的过程。

　　二、python图像二值化处理

　　1.opencv简单阈值cv2.threshold

　　2.opencv自适应阈值cv2.adaptiveThreshold

　　有两种方法可用于计算自适应阈值：mean_c和guassian_c

　　3.Otsu's二值化

　　三、示例：

　　import cv2

　　import numpy as np

　　from matplotlib import pyplot as plt

　　img = cv2.imread('scratch.png', 0)

　　# global thresholding

　　ret1, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

　　# Otsu's thresholding

　　th2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

　　# Otsu's thresholding

　　# 阈值一定要设为 0 !

　　ret3, th3 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

　　# plot all the images and their histograms

　　images = [img, 0, th1, img, 0, th2, img, 0, th3]

　　titles = [

　　'Original Noisy Image', 'Histogram', 'Global Thresholding (v=127)',

　　'Original Noisy Image', 'Histogram', "Adaptive Thresholding",

　　'Original Noisy Image', 'Histogram', "Otsu's Thresholding"

　　]

　　# 这里使用了 pyplot 中画直方图的方法, plt.hist, 要注意的是它的参数是一维数组

　　# 所以这里使用了( numpy ) ravel 方法,将多维数组转换成一维,也可以使用 flatten 方法

　　# ndarray.flat 1-D iterator over an array.

　　# ndarray.flatten 1-D array copy of the elements of an array in row-major order.

　　for i in range(3):

　　plt.subplot(3, 3, i * 3 + 1), plt.imshow(images[i * 3], 'gray')

　　plt.title(titles[i * 3]), plt.xticks([]), plt.yticks([])

　　plt.subplot(3, 3, i * 3 + 2), plt.hist(images[i * 3].ravel(), 256)

　　plt.title(titles[i * 3 + 1]), plt.xticks([]), plt.yticks([])

　　plt.subplot(3, 3, i * 3 + 3), plt.imshow(images[i * 3 + 2], 'gray')

　　plt.title(titles[i * 3 + 2]), plt.xticks([]), plt.yticks([])

　　plt.show()