定義：圖像的二值化域庇，就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的只有黑和白的視覺效果脚囊。

一幅圖像包括目標(biāo)物體台丛、背景還有噪聲耍缴，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，常用的方法就是設(shè)定一個(gè)閾值T挽霉，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法变汪，稱為圖像的二值化（Binarization）侠坎。

全局閾值：

Python-OpenCV中提供了閾值（threshold）函數(shù)：cv2.threshold（src, threshold, maxValue, method）

src原圖：破折線為將被閾值化的值；虛線為閾值

cv2.THRESH_BINARY：大于閾值的像素點(diǎn)的灰度值設(shè)定為maxValue(如8位灰度值最大為255)裙盾，灰度值小于閾值的像素點(diǎn)的灰度值設(shè)定為0实胸。

cv2.THRESH_BINARY_INV ：大于閾值的像素點(diǎn)的灰度值設(shè)定為0他嫡，而小于該閾值的設(shè)定為maxValue。

cv2.THRESH_TRUNC：像素點(diǎn)的灰度值小于閾值不改變庐完，大于閾值的灰度值的像素點(diǎn)就設(shè)定為該閾值钢属。

cv2.THRESH_TOZERO：像素點(diǎn)的灰度值小于該閾值的不進(jìn)行任何改變，而大于該閾值的部分门躯，其灰度值全部變?yōu)?淆党。

cv2.THRESH_TOZERO_INV：像素點(diǎn)的灰度值大于該閾值的不進(jìn)行任何改變，像素點(diǎn)的灰度值小于該閾值的讶凉，其灰度值全部變?yōu)?染乌。

Python+opencv代碼：

def getPicMinRect(pic):

? ? GrayImage = np.array(pic).reshape(40,40).astype(np.uint8)

? ? ret,thresh1=cv2.threshold(GrayImage,10,255,cv2.THRESH_BINARY)?

? ? ret,thresh2=cv2.threshold(GrayImage,10,255,cv2.THRESH_BINARY_INV)?

? ? ret,thresh3=cv2.threshold(GrayImage,10,255,cv2.THRESH_TRUNC)?

? ? ret,thresh4=cv2.threshold(GrayImage,10,255,cv2.THRESH_TOZERO)?

? ? ret,thresh5=cv2.threshold(GrayImage,10,255,cv2.THRESH_TOZERO_INV)?

? ? titles = ['Gray Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']?

? ? images = [GrayImage, thresh1, thresh2, thresh3, thresh4, thresh5]?

? ? for i in xrange(6):?

? ? ? plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')?

? ? ? plt.title(titles[i])?

? ? ? plt.xticks([]),plt.yticks([])?

? ? plt.show()

自適應(yīng)閾值：

當(dāng)同一幅圖像上的不同部分的具有不同亮度時(shí)。這種情況下我們需要采用自適應(yīng)閾值懂讯。此時(shí)的閾值是根據(jù)圖像上的每一個(gè)小區(qū)域計(jì)算與其對(duì)應(yīng)的閾值荷憋。因此在同一幅圖像上的不同區(qū)域采用的是不同的閾值，從而使我們能在亮度不同的情況下得到更好的結(jié)果褐望。

Python-OpenCV中提供了閾值（threshold）函數(shù)：cv2.adaptiveThreshold(src, maxValue, adaptive_method, threshold_type, block_size, param1)

好吧勒庄，這玩意的threshold_type其實(shí)就兩種:CV_THRESH_BINARY, CV_THRESH_BINARY_INV

adaptive_method也有兩種: CV_ADAPTIVE_THRESH_MEAN_C, CV_ADAPTIVE_THRESH_GAUSSIAN_C

函數(shù) cvAdaptiveThreshold 將灰度圖像變換到二值圖像，采用下面公式：

switch(threshold_type):

? ? case CV_THRESH_BINARY:

? ? ? ? if src(x,y)>T(x,y):

? ? ? ? ? ? dst(x,y) = maxValue

? ? ? ? else:

? ? ? ? ? ? dsy(x,y) = 0

? ? case CV_THRESH_BINARY_INV:

? ? ? ? if src(x,y)>T(x,y):

? ? ? ? ? ? dst(x,y) = 0

? ? ? ? else:

? ? ? ? ? ? dsy(x,y) = maxValue

其中 T(x,y)為當(dāng)前像素點(diǎn)單獨(dú)計(jì)算的閾值

對(duì)方法 CV_ADAPTIVE_THRESH_MEAN_C瘫里，先求出block中的均值实蔽，再減掉param1。

對(duì)方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C 减宣，先求出block中的加權(quán)和(gaussian)盐须， 再減掉param1。

Python+opencv代碼：

def getPic(pic):

? ? GrayImage = np.array(pic).reshape(40,40).astype(np.uint8)

? ? th1 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,3,5)

? ? th2 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,3,50)

? ? th3 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,3,5)

? ? th4 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,3,50)

? ? titles = ['Gray Image', 'Adaptive Mean prama1=5',?

? ? 'Adaptive Mean prama1=50', 'Adaptive Gaussian prama1=5','Adaptive Gaussian prama1=50']?

? ? images = [GrayImage, th1, th2, th3, th4]?

? ? for i in xrange(5):?

? ? ? plt.subplot(2,3,i+1),plt.imshow(images[i])?

? ? ? plt.title(titles[i])?

? ? ? plt.xticks([]),plt.yticks([])?

? ? plt.show()