OpenCV Python 如何将彩色图像转换为二进制图像?

在图像处理中，二值图像是非常常见的一种图像格式，因为它只有黑白两种颜色，便于处理和分析。OpenCV是一个流行的开源计算机视觉库，提供了各种图像处理和计算机视觉相关的功能。在本文中，我们将讨论如何使用Python和OpenCV将彩色图像转换为二值图像。

准备步骤

在开始将彩色图像转换为二值图像之前，我们需要先安装OpenCV和Python。可以使用pip安装，命令如下：

!pip install opencv-python

接下来，我们需要导入需要的库：

import cv2
import numpy as np

加载彩色图像

在将图像转换为二值图像之前，我们需要先加载彩色图像。

img = cv2.imread('image.jpg')
cv2.imshow('Original Image', img)
cv2.waitKey(0)

这里，我们使用cv2.imread函数来加载图像。这个函数将图像加载为numpy数组。cv2.imshow函数用于在窗口中显示图像。cv2.waitKey函数用于等待用户输入按键。

灰度化

在将图像转换为二值图像之前，我们需要先将图像进行灰度化。这是因为灰度图像只有一个通道，可以使得我们处理起来更加简单。

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('Grayscale Image', gray_img)
cv2.waitKey(0)

这里，我们使用cv2.cvtColor函数将彩色图像转换为灰度图像。cv2.COLOR_BGR2GRAY是一个常量，它指定了我们要将图像转换为什么颜色。gray_img是灰度图像。

二值化

现在，我们已经有了灰度图像，下一步是将它转换为二值图像。有两种常见的转换方法：手动阈值和自适应阈值。

手动阈值

使用手动阈值进行二值化，我们需要首先选择一个阈值t。然后，我们将图像中的每个像素与这个阈值进行比较。如果像素的灰度值大于阈值，则将该像素设置为白色，否则将该像素设置为黑色。

t, binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('Binary Image', binary_img)
cv2.waitKey(0)

上面的代码中，我们使用了cv2.threshold函数来进行二值化。第一个参数是灰度图像。第二个参数是阈值。第三个参数是将像素分成的两个部分之一（通常是白色）。第四个参数是指定了二值化操作的类型。在这个例子中，我们使用的是简单的阈值二值化操作。

自适应阈值

手动阈值二值化的一个问题是，如果图像有不同的光照条件，阈值可能需要不同的值。自适应阈值二值化通过分析图像的不同区域来解决这个问题。它使用一种称为自适应的方法来确定不同区域的阈值。

binary_img_adaptive = cv2.adaptiveThreshold(
    gray_img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
cv2.imshow('Adaptive Binary Image', binary_img_adaptive)
cv2.waitKey(0)

上面的代码中，我们使用cv2.adaptiveThreshold函数来进行自适应阈值二值化。第一个参数是灰度图像。第二个参数是像素分成的两个部分之一（通常是白色）。第三个参数是指定自适应阈值算法。第四个参数是指定二值化操作的类型。第五个参数是块大小，用于计算每个像素的局部阈值。第六个参数是从结果中减去的常数。