图像二值化（1）

常用的应用如下：

1. 物体检测和分割：在许多计算机视觉应用中，我们可能需要检测并分割图像中的物体。二值化可以帮助我们将物体和背景区分开来，从而进行后续的分析和识别。
2. 边缘检测：二值化可以用于强调图像中的边缘。这对于检测物体的外形或进行边缘检测算法的应用很有用。
3. 图像分析和测量：在进行图像分析时，我们可能需要测量特定区域的大小、形状等特征。二值化可以使这些特征更加突显，便于进行测量和分析。
4. 文档辨识：在文档辨识和文字提取中，常常使用二值化图像来清晰地区分文字和背景，使得后续的文字识别更加准确。

cv2.threshold是OpenCV 中用于图像二值化的函数

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

• src: 输入的灰度图像，即要进行二值化处理的原始图像。
• thresh:二值化的阈值，超过这个阈值的像素值将被分为高于阈值或低于阈值的两个类别，具体取值根据不同的应用需求。
• maxval: 超过阈值的像素值将被赋予的新值，通常是最大值，例如255（白色）。
• type: 二值化操作的类型，有不同的选项，例如：

• cv2.THRESH_BINARY: 大于阈值的像素赋予maxval，小于阈值的像素赋予0。
• cv2.THRESH_BINARY_INV:与cv2.THRESH_BINARY相反，大于阈值的像素赋予0，小于阈值的像素赋予maxval。
• cv2.THRESH_TRUNC: 大于阈值的像素赋予阈值，小于阈值的像素保持不变。
• cv2.THRESH_TOZERO: 大于阈值的像素保持不变，小于阈值的像素赋予0。
• cv2.THRESH_TOZERO_INV: 与cv2.THRESH_TOZERO 相反，大于阈值的像素赋予0，小于阈值的像素保持不变。

• dst（选用）: 输出的二值化图像。如果未提供，则函数会修改src本身。

cv2.threshold的返回值retval是实际使用的阈值，根据不同的二值化方法，retval可能与指定的阈值thresh有所不同。threshold_image则是二值化后的图像

例字

在这个例子中，我们使用cv2.THRESH_BINARY进行二值化，阈值thresh_value为128，大于128 的像素赋予255（白色），小于等于128 的像素赋予0（黑色）。

import cv2

# 读取灰度图像
image = cv2.imread('path/to/your/image.jpg', cv2.IMREAD_GRAYSCALE)

# 二值化
thresh_value = 128
_, binary_image = cv2.threshold(image, thresh_value, 255, cv2.THRESH_BINARY)

# 显示原始图像和二值化后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()