图像处理入门020 | 图像二值化：阈值分割基础 —— cv2.threshold 五种类型与自适应阈值铺垫

第020期 | 图像处理算法入门系列 | 2026-08-29

关键词：图像二值化、阈值分割、cv2.threshold、Trackbar、自适应阈值、文档扫描

---

一、引言

第019期我们用 8 种方法 把彩色图变成灰度图，今天进入真正的分割：二值化（Image Binarization）。

二值化是图像处理里出场率最高的操作，没有之一。OCR 预处理、车牌识别、文档扫描、产品瑕疵检测、医学细胞计数 ------ 几乎所有"检测目标轮廓"的算法，第一步都是二值化。

二值化的本质：用一个阈值 T 把灰度图像切成"前景 / 背景"两堆。

  像素值 > T    →  255（白色，前景）
  像素值 ≤ T    →  0（黑色，背景）

看似一行代码能搞定的事，里面却藏着五种"切法"，每种切法对结果的语义完全不同。

本期我们就把 cv2.threshold 的 五种 type 参数 一字排开讲清楚，再把整个"从直方图选 T 到 Trackbar 实时调整"的完整流程跑一遍，最后用一个"光照不均"的反例，引出下期的 Otsu 与自适应阈值。

---

二、核心概念与原理

2.1 二值化的数学定义

设输入灰度图像为 I(x, y) ∈ [0, 255]，阈值为 T，最大值为 maxval（通常 255），则通用映射为：

dst(x, y) = f(I(x, y), T, maxval)

OpenCV 提供了 5 种映射规则 f(·)，对应不同的实际用途。

2.2 全局阈值 vs 局部阈值

全局阈值：用一个 T 处理整张图
  - 优点：快、稳定、可解释
  - 缺点：光照不均时一片 T 不够用（实验5会演示）

局部/自适应阈值：每个像素根据邻域确定自己的 T
  - 优点：适应光照变化
  - 缺点：参数更多、计算更慢
  - 本期先讲全局，023 期讲自适应、076 期讲 Otsu 自动选 T

2.3 cv2.threshold 函数签名

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

参数：
  src      : 输入灰度图（uint8）
  thresh   : 阈值 T（0-255）
  maxval   : 大于 T 时赋的值（一般写 255）
  type     : 5 种阈值类型之一（flags.THRESH_*）
返回：
  ret  : 算法实际使用的阈值（OTSU 等会自动算 T 并回传）
  dst  : 输出二值图

---

三、五种阈值类型详解

Type 名	规则	典型用途
THRESH_BINARY	> T → maxval；否则 → 0	标准二值化（OCR/检测）
THRESH_BINARY_INV	> T → 0；否则 → maxval	反二值化（白底黑字文档→黑底白字）
THRESH_TRUNC	> T → T；否则不变	把亮像素"砍"到 T（高光抑制）
THRESH_TOZERO	> T → 不变；否则 → 0	只保留亮区（细节提取）
THRESH_TOZERO_INV	> T → 0；否则不变	只保留暗区（找阴影、烧洞检测）

3.1 完整代码：五种类型一次跑完

import cv2
import numpy as np

# 读一张灰度图（BGR → GRAY）
img = cv2.imread('test.png', cv2.IMREAD_GRAYSCALE)

types = [
    cv2.THRESH_BINARY,
    cv2.THRESH_BINARY_INV,
    cv2.THRESH_TRUNC,
    cv2.THRESH_TOZERO,
    cv2.THRESH_TOZERO_INV,
]
for t in types:
    ret, dst = cv2.threshold(img, 127, 255, t)
    cv2.imwrite(f'out_{t}.png', dst)

3.2 实验效果（合成暗背景 + 亮目标）

可以直观看到：

• BINARY 提取出全部亮目标；
• BINARY_INV 把图"染色"成背景------便于后续按位运算；
• TRUNC 把亮区"压平"到 T 值，可以丢掉强光；
• TOZERO 是"亮区细节选择器"，保护亮区像素不被截断；
• TOZERO_INV 把亮区抹黑，留下的就是原本的暗区细节。

---

四、阈值 T 的取值：扫描实验

cv2.threshold 不会替你选 T，这个 T 必须自己给。T 取错了，再好的算法也救不回来。

4.1 扫描不同 T 看效果

T 太低（< 谷底）：  背景被错分进前景，引入噪声点
T 太高（> 谷底）：  前景边缘碎裂，细小目标丢失
T ≈ 谷底：         前景背景分离度最大，分割最稳

4.2 直方图辅助：找双峰之间的"谷底"

理想阈值 = 直方图两峰之间的最小值处。这是 Otsu 自动算法的核心思想。

在实验3的合成图里，程序自动算出谷底 T ≈ 59，正好落在背景峰（约 30-60）与前景峰（>150）之间。

---

五、手写实现 + 性能对比

cv2.threshold 背后就是一行 np.where，完全可以自己写。

5.1 NumPy 向量化版本（推荐）

import numpy as np

def binarize_manual(img, thresh=127):
    """手写实现 THRESH_BINARY：纯 NumPy，无 OpenCV。"""
    return np.where(img > thresh, 255, 0).astype(np.uint8)

5.2 与 OpenCV 对比：1280×960 性能基准

1280×960 像素、平均耗时（毫秒，越低越好）：

  OpenCV cv2.threshold :  0.35 ms
  NumPy 向量化        :  2.72 ms
  Python 双 for 循环  : 138.31 ms   ← 反面教材，比向量化慢约 50 倍

结论 ：自己写完全够用，差别只在常数项。永远不要用双 for 循环处理像素。

---

六、交互式阈值选择器（Trackbar）

固定 T 显然不够灵活，OpenCV 提供 cv2.createTrackbar 让你拖滑块实时调。

import cv2

def interactive_threshold_viewer(img, win='Threshold Viewer'):
    """拖动滑块实时看 T 对结果的影响。"""
    def on_trackbar(val):
        _, dst = cv2.threshold(img, val, 255, cv2.THRESH_BINARY)
        fg = (dst > 0).mean() * 100
        # 把灰度图变成 BGR，加文字
        disp = cv2.cvtColor(dst, cv2.COLOR_GRAY2BGR)
        cv2.putText(disp, f'T={val:3d}  FG={fg:5.1f}%',
                    (10, 28), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)
        cv2.imshow(win, disp)

    cv2.namedWindow(win, cv2.WINDOW_AUTOSIZE)
    cv2.createTrackbar('Threshold', win, 127, 255, on_trackbar)
    on_trackbar(127)    # 第一次手动触发刷新
    print('拖动滑块选择阈值 | S=保存当前帧 | ESC/Q=退出')
    while True:
        key = cv2.waitKey(30) & 0xFF
        if key in (27, ord('q')):
            break
        if key == ord('s'):
            t = cv2.getTrackbarPos('Threshold', win)
            _, dst = cv2.threshold(img, t, 255, cv2.THRESH_BINARY)
            cv2.imwrite(f'020_interactive_T{t}.png', dst)
            print(f'已保存 020_interactive_T{t}.png')
    cv2.destroyAllWindows()

# 本地运行（服务器无显示环境不可用）：
# interactive_threshold_viewer(cv2.imread('test.png', cv2.IMREAD_GRAYSCALE))

完整版本（含 Trackbar）见本仓库 code/020_threshold_basic.py，脚本默认无头模式跑批实验，设置 RUN_INTERACTIVE=1 即可启动 GUI。

---

七、全局阈值的致命弱点：光照不均

现实中没有几张图是光照均匀的。看下面这张"光从左往右渐暗"的图：

• 左侧（亮）的目标正常切出；
• 右侧（暗）的目标几乎被错分到背景；
• 单一 T=127 无法兼顾两侧。

解决方案有三：

1. 先做光照校正 （第110期去雾算法 + 同态滤波可以借鉴）

2. Otsu 自动选 T（最大类间方差，第076期详讲）

3. 自适应阈值（每个像素根据自己的邻域选 T，第023期详讲）

这是下两期要展开的内容，本期先埋个钩子。

---

八、完整可运行代码

本期所有图都来自这一份脚本 code/020_threshold_basic.py，无头环境直接 python 020_threshold_basic.py 即可复现：

"""
第020期：图像二值化 ------ 阈值分割基础
环境：Python 3.8+, OpenCV 4.x/5.x, NumPy, Matplotlib
"""
import cv2, numpy as np, time, os
OUTPUT_DIR = os.path.join(os.path.dirname(__file__), 'output')
os.makedirs(OUTPUT_DIR, exist_ok=True)
# ... 完整代码已上传到本仓库 code/020_threshold_basic.py
# 包含五大模块：
#   exp1_threshold_types()   # 五种 type 对比图
#   exp2_threshold_sweep()   # T 取值扫描图
#   exp3_histogram_guide()   # 直方图辅助选 T
#   exp4_manual_vs_opencv()  # 手写实现 + 性能基准
#   exp5_global_fail()       # 光照不均案例（下期预告）
#   interactive_threshold_viewer()  # Trackbar 交互（本地 GUI）

直接运行：

python code/020_threshold_basic.py

脚本会生成 5 张可视化 PNG 到 code/output/020_*.png，并打印每次实验的关键参数。

---

九、常见问题 FAQ

Q1：cv2.threshold 输入必须是灰度图吗？

A：是的。如果传彩色图，OpenCV 会按每个通道独立做阈值，结果通常不是你想要的。先用 cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 转灰度。

Q2：返回的 ret 是干嘛用的？

A：如果你没指定 OTSU / TRIANGLE 等自动算法，ret 就是你传入的 thresh；用了 OTSU，ret 就是它自动算出的 T。很多教程把 ret 写成 _ 是合理的，但你要知道它在背后是有意义的。

Q3：为什么我的图像 ret 不等于我传的 thresh？

A：你可能用了 cv2.THRESH_OTSU 之类的 flag，OpenCV 会"替你改 T"。本期我们没有这个 flag，所以 ret 完全等于传入值。

Q4：cv2.threshold 与 cv2.inRange 是一回事吗？

A：不是。threshold 处理单通道灰度，T 是一个数；inRange 处理 HSV / BGR 多通道，可以一次给 [lo, hi] 区间，本质是范围掩码。

Q5：服务器/无显示环境能用 Trackbar 吗？

A：不能。Trackbar 依赖桌面 GUI。生产环境的做法：第1步用直方图找谷底 / 用 Otsu 自动算 T；第2步批量处理。

Q6：阈值化前要不要先做平滑？

A：通常建议先做轻度高斯模糊（σ=0.5~1.0）再阈值，噪点会被压下去，尤其是椒盐噪声。但别用太强的模糊，否则细小目标被抹掉。

---

十、课后练习

1. 基础 ：用 cv2.imread 读取一张你自己的照片，转灰度后做不同 T 的阈值分割，观察什么时候文字（前景）开始被错分。
2. 进阶 ：写一个函数，输入彩色图、给定 T，用 NumPy 而不调 cv2.threshold 完成 HSV 三通道各自独立二值化，再合并成"任一通道为前"的掩码（OR 逻辑）。
3. 挑战 ：实现一个"自动阈值扫描找最佳 T"的工具：对每个候选 T，计算"类间方差"（前景均值与背景均值差距），输出方差最大的那个 T，不要用 Otsu 算法（自己推导）。

---

十一、产品推荐

11.1 移动端

产品	亮点	适合场景
扫描全能王（CamScanner）	自动文档检测 + 透视校正 + 二值化增强	移动端文档扫描、合同照片转 PDF
Microsoft Lens	Office 生态、二值化对比度自动调节	课堂板书、白板会议记录
Adobe Scan	Adobe 生态、超像素二值化输出	商务合同、纸质文件归档
PicScan / PhotoScan	批量扫描、智能去阴影	老照片、海报电子化

11.2 专业级

产品	亮点	适合场景
ABBYY FineReader	工业级 OCR 预处理、版面分析	法律/财务文档数字化、批量扫描
Adobe Acrobat Pro	OCR 引擎 + 批量二值化设置	企业文档归档、合规存档
ScanTailor / ScanTailor Advanced	开源文档分割流水线、社区维护	学术论文数字化
Kofax Power PDF	企业级扫描 + 工作流集成	银行/医疗表单自动化

本期代码仅用到 OpenCV + NumPy，全是开源免费工具，工业级部署可集成 ABBYY / Tesseract 的二值化模块作为预处理。

---

下期预告

第021期：直方图：图像像素分布的可视化 ------ 我们已经看到了双峰直方图，下一期深入到直方图均衡化（HE）和自适应均衡化（CLAHE）。这是图像增强最强的一招：从 s 型灰度分布"拉"成均匀分布，肤色变亮、纹理重现，是人像美颜、去雾的核心技术之一。