Python+OpenCV图像处理——图像二值化的实现

简介

图像二值化是图像处理的最基本也是最常用的方法之一，它将图像的灰度值转换为0或255（或1或0），从而得到一幅黑白图像。图像二值化在图像处理、计算机视觉等领域都有广泛的应用。本篇文章将介绍Python和OpenCV库如何实现图像二值化。

步骤

1.导入必要的库

import cv2
import numpy as np

2.读取图像

img = cv2.imread("image.png")

3.将图像转为灰度图

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

4.使用cv2.threshold()函数进行图像二值化处理

ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

其中，gray参数是待二值化的图像，127是阈值，255是二值化的最大值，cv2.THRESH_BINARY表示采用二值化方式进行处理。

5.显示图像

cv2.imshow("Binary Image", binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

完整代码示例：

import cv2
import numpy as np

# 读取图像
img = cv2.imread("image.png")

# 转为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 显示图像
cv2.imshow("Binary Image", binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例1：手写数字二值化

import cv2
import numpy as np

# 读取图像
img = cv2.imread("digits.png")

# 将图像转为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 分割图像
cells = [np.hsplit(row, 100) for row in np.vsplit(gray, 50)]

# 将列表转为numpy数组
x = np.array(cells)

# 分割出一个数字
digit = x[0, 0]

# 显示原始图像和分割出的数字
cv2.imshow('Original Image', img)
cv2.imshow('Digit', digit)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 二值化
ret, binary = cv2.threshold(digit, 127, 255, cv2.THRESH_BINARY)

# 显示二值化后的图像
cv2.imshow("Binary Image", binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述示例中，我们读取了一个包含50*100个手写数字的图像，并进行了分割。接着，我们选择其中一个数字，并对其进行二值化处理，最终显示了二值化后的图像。

示例2：图像平滑处理

import cv2
import numpy as np

# 读取图像
img = cv2.imread("image.png")

# 转为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 图像平滑处理
blur = cv2.GaussianBlur(gray, (5, 5), 0)

# 二值化处理
ret, binary = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY)

# 显示原始图像和平滑后的图像、二值化后的图像
cv2.imshow("Original Image", img)
cv2.imshow("Smoothing Image", blur)
cv2.imshow("Binary Image", binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先将一张图像转为灰度图，然后采用高斯滤波（GaussianBlur）平滑处理，接着再对其进行二值化处理。最终展示了原始图像、平滑后的图像和二值化后的图像。

以上就是Python+OpenCV图像处理——图像二值化的实现的完整攻略。