图像处理基础知识（三）

1.图像二值化

顾名思义，图像二值化是指一张图像上只有两种大小的像素值，常用的是0和255，0表示背景，255表示前景。这种处理方式是非常重要的，大部分的图像处理都会经历该操作。

import cv2imgpath = "images/img1.jpg"
img = cv2.imread(imgpath, 0) #以灰度化的方式加载图像
img = cv2.resize(img, (img.shape[1]//2, img.shape[0]//2))
threshold,dst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) #二值化操作
cv2.imshow("dst", dst)
cv2.waitKey(0) 

上述代码中，cv2.threshold中127为给定阈值，255表示最大值，cv2.THRESH_BINARY二值化类型，在此代码中表示将小于127的像素值置为0，大于等于127的置为255。二值化类型有非常多种，可详细查看该函数的用法。threshold返回阈值，我们给定的127，所以这个代码中是127。dst则是返回二值化图像。

import cv2imgpath = "images/img1.jpg"
img = cv2.imread(imgpath, 0) #以灰度化的方式加载图像
img = cv2.resize(img, (img.shape[1]//2, img.shape[0]//2))
threshold,dst = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) #自动求解阈值
print(threshold) #123.0
cv2.imshow("dst", dst)
cv2.waitKey(0) 

这是更加常用的一种方法，自动求解阈值，俗称大津法。此时我们将阈值设为0，而算法会自动找到最佳阈值，threshold=123.0

由于我们手动设置阈值和自动阈值很接近，所以二值化后的图像差异不明显。后种方法是我们更加常用的方法。