python灰度二值化

Python中的灰度二值化是图像处理中常用的一种方法，通过将图像转换为灰度图，然后根据设定的阈值将像素点分为黑色和白色两种颜色。下面是一个示例代码：

from PIL import Image

def gray_binary(image_path, threshold):
    # 打开图像并转换为灰度图
    im = Image.open(image_path).convert('L')
    
    # 将图像转换为数组
    im_array = np.array(im)
    
    # 根据阈值进行二值化处理
    binary_array = np.where(im_array < threshold, 0, 255)
    
    # 将数组转换回图像
    binary_image = Image.fromarray(binary_array)
    
    # 显示图像
    binary_image.show()

# 调用函数进行灰度二值化
gray_binary('image.jpg', 120)

在上述代码中，我们首先使用PIL库的`Image.open`方法打开图像，并使用`convert('L')`方法将图像转换为灰度图。然后，我们将灰度图转换为数组，根据设定的阈值将像素点分为黑色和白色，并将结果保存为数组。最后，我们使用`Image.fromarray`方法将数组转换回图像，并使用`show`方法显示图像。

相关问题

python灰度图像二值化

要将Python灰度图像二值化，可以使用OpenCV库中的threshold函数。以下是三种常用的二值化方法的示例代码：

1. 自定义阈值：使用图像的均值作为阈值来分割图像。

import cv2
import numpy as np

def custom_threshold(input_img_file):
    image = cv2.imread(input_img_file)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    h, w = gray.shape[:2]
    m = np.reshape(gray, [1, h*w])
    mean = m.sum() / (h*w)
    ret, binary = cv2.threshold(gray, mean, 255, cv2.THRESH_BINARY)
    return binary

2. 全局阈值（THRESH_TRIANGLE）：使用三角形算法计算全局阈值来分割图像。

import cv2

def threshold_by_triangle(input_img_file):
    image = cv2.imread(input_img_file)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_TRIANGLE)
    return binary

3. 自适应阈值（THRESH_TOZERO）：使用自定义的阈值来分割图像。

import cv2

def threshold_by_tozero(input_img_file):
    image = cv2.imread(input_img_file)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_TOZERO)
    return binary

请注意，上述代码中的input_img_file是输入的灰度图像文件路径，binary是二值化后的图像。你可以根据自己的需求选择适合的二值化方法进行图像处理。

python灰度图自适应二值化

在Python中，处理图像时常常需要将彩色图像转换为灰度图，并对灰度图进行二值化处理以便后续的图像分析和识别。自适应二值化是一种更为智能的二值化技术，它会根据每个像素周围的像素亮度自动调整阈值，而不是全局设定一个固定阈值。

Otsu's Method是最常用的自适应二值化算法之一，它是由 Nobuyuki Otsu 在 1979 年提出的。在OpenCV库中，你可以使用`cv2.threshold()`函数结合`cv2.THRESH_BINARY_INV + cv2.ADAPTIVE_THRESH_GAUSSIAN_C`标志来实现这一过程。这里是一个简单的示例：

import cv2
import numpy as np

# 加载图像
image = cv2.imread('your_image.jpg', cv2.IMREAD_GRAYSCALE)

# 使用Otsu's Method进行自适应二值化
binary_image = cv2.threshold(image, 0, 255,
                             cv2.THRESH_BINARY_INV + cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                             cv2.THRESH_OTSU)

# 显示原图像和处理后的结果
cv2.imshow('Original Image', image)
cv2.imshow('Adaptive Binarized Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，`cv2.THRESH_BINARY_INV`表示反相操作，即将图像中较亮区域设置为黑色，较暗区域设为白色；`cv2.ADAPTIVE_THRESH_GAUSSIAN_C`指定了使用高斯加权的均值作为阈值计算的基础。