OpenCV 学习9-灰度转黑白二值图像

1、为什么需要图像二值化？

场景	说明
文字识别（OCR）	当需要提取图片（比如扫描的文件、发票图片、身份证）中的文字内容时，将图像二值化后，提高字符边缘清晰度，减少背景干扰，用于给OCR程序识别
条形码 / 二维码识别	快速识别黑白条纹图案
医学图像处理	比如X光片中提取骨骼轮廓
目标检测与分割	定位图像中的特定区域，可用于质检环节检测缺陷区域

将复杂的灰度或彩色图像简化为只有黑白两种状态的图像（0 和 255）

图像二值化可达到 "化繁为简"，在保留关键结构的同时去除冗余信息，在 OCR、目标分割、形态学处理等场景中非常有效。

当需要从图像中快速提取 有|没有 、在哪里 信息时，就可以尝试使用二值化处理。

2、图像二值化（Binarization）函数 cv2.threshold()

cv2.threshold() 是 OpenCV的图像二值化函数，将灰度图像转换为黑白二值图像。

通过设定一个阈值（threshold），将像素点分为两类：

＞阈值为某一个值（如 255，白色）
≤ 阈值为另一值（如 0，黑色）

2.1 函数定义

复制代码

retval, dst = cv2.threshold(src, thresh, maxval, type)

返回值
dst：新的二值图像
retval：实际使用的阈值
参数说明

参数	类型	说明
src	NumPy 数组	必须是灰度图像
thresh	float	设定的阈值，比如128
maxval	float	当像素满足条件时，设置的最大值（通常为 255）
type	int	阈值类型

阈值类型 type 说明

类型	名称	含义
cv2.THRESH_BINARY	二进制阈值化	if pixel > thresh: 255 else 0
cv2.THRESH_BINARY_INV	反向二进制	if pixel > thresh: 0 else 255
cv2.THRESH_TRUNC	截断	if pixel > thresh: thresh else pixel
cv2.THRESH_TOZERO	低于阈值清零	if pixel <= thresh: 0 else pixel
cv2.THRESH_TOZERO_INV	高于阈值清零	if pixel > thresh: 0 else pixel
cv2.THRESH_OTSU	自动计算最优阈值（基于 Otsu 算法）	需和上述类型按位或组合使用，如cv2.THRESH_BINARY + cv2.THRESH_OTSU

2.2 OTSU

OTSU（大津算法）是一种经典的自动图像二值化方法，用于在灰度图像中自动选择最佳阈值，将图像分为前景和背景两部分。由日本学者大津展之（Nobuyuki Otsu） 1979年提出。

算法解决的主要问题是：在不知道阈值的情况下，如何自动找出一个"最优"阈值来分割图像？

OTSU 算法的思路是：

最大化类间方差（Between-class Variance），让前景（目标）和背景之间的差异尽可能大，从而使分割最清晰。

2.3 代码示例

python 复制代码

import cv2
import numpy as np
import os

# 1.读取图像
img_path = "img/dog.jpg"
if not os.path.exists(img_path):
    raise FileNotFoundError(f"未找到图像文件{img_path}")

img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)

thresh , img1 = cv2.threshold(img, 128, 255, cv2.THRESH_BINARY)

cv2.imshow("Original", img)
cv2.imshow("threshold", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()