python二值化将一张图片转换成黑白的图片代码举例

在Python中，我们可以使用PIL（Pillow）库来进行图像的二值化处理，该库提供了丰富的图像操作功能。以下是一个简单的例子，展示了如何将彩色图片转换为灰度，然后进一步二值化：

from PIL import Image

# 加载图片
img = Image.open('input_image.jpg')

# 转换为灰度图像
gray_img = img.convert('L')

# 定义阈值，这里我们选择一个常用的全局阈值（0-255范围）
threshold = 128

# 应用二值化，像素值大于等于阈值的设置为白色（255），小于阈值的设置为黑色（0）
binary_img = gray_img.point(lambda x: 255 if x >= threshold else 0, '1')

# 保存二值化的图片
binary_img.save('output_bw_image.png')

在这个例子中，`point`函数接收一个函数作为参数，这个函数接受原图的每个像素值并返回新的像素值。如果像素值大于或等于阈值，则新值设为255（白色），否则设为0（黑色）。

相关问题

如何调用opencv的图像二值化算法 并举例

OpenCV是一款广泛使用的计算机视觉库，其中包括了各种图像处理和计算机视觉算法。其中，图像二值化是图像处理中最基础和最常用的操作之一。在OpenCV中，可以使用二值化算法将图像转换为只包含黑白两种颜色的二值图像。以下是一个示例代码，演示如何使用OpenCV实现图像二值化的过程：

import cv2

# 读入图片
img = cv2.imread('example.jpg')

# 灰度化处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 显示二值化结果
cv2.imshow('binary image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，首先使用`cv2.imread()`函数读入一张图片，然后使用`cv2.cvtColor()`将其转换为灰度图像。接着使用`cv2.threshold()`函数对灰度图像进行二值化处理，其中参数`127`表示二值化的阈值，大于阈值的像素点被设置为255（白色），小于等于阈值的像素点被设置为0（黑色）。最后，使用`cv2.imshow()`和`cv2.waitKey()`函数显示二值化结果。

cv2.THRESH_MASK,举例说明用法

### 回答1：
cv2.THRESH_MASK 是 OpenCV 中的一个常量，可以在二值化时使用。它用于二值化时返回二值化图像的掩膜（即只有黑白两个颜色的图像）。

例如，下面是一个使用 cv2.THRESH_MASK 的示例代码：

import cv2

# 读取图片
img = cv2.imread("image.jpg", 0)

# 二值化
_, thresh = cv2.threshold(img, 128, 255, cv2.THRESH_BINARY + cv2.THRESH_MASK)

# 显示图片
cv2.imshow("Thresholded Image", thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先读入了一张灰度图像，然后使用 cv2.threshold() 函数将其二值化。其中，参数 128 是阈值，255 是最大值，cv2.THRESH_BINARY 是二值化类型，cv2.THRESH_MASK 是返回掩膜。最后，我们使用 cv2.imshow() 函数显示二值化后的图像。

### 回答2：
cv2.THRESH_MASK是一种用于阈值化图像的标志参数。它可以与其他阈值化函数一起使用，例如cv2.threshold()函数，以根据传入的阈值将图像分割成二值图像。

举个例子来说明用法，假设我们有一张灰度图像img，我们想将图像分割成黑白两部分，使得大于某个阈值的像素点在白色区域，小于阈值的像素点在黑色区域。我们可以使用cv2.threshold()函数，并设置标志参数为cv2.THRESH_MASK。

具体的代码如下所示：

import cv2

# 读取灰度图像
img = cv2.imread("image.jpg", 0)

# 设定阈值
threshold_value = 128

# 使用cv2.THRESH_MASK标志参数进行阈值化
_, binary_img = cv2.threshold(img, threshold_value, 255, cv2.THRESH_BINARY | cv2.THRESH_MASK)

# 显示阈值化后的图像
cv2.imshow("Binary Image", binary_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们首先使用cv2.threshold()函数将img图像阈值化，传入的阈值为threshold_value，上限值为255。在函数中，我们将标志参数设置为cv2.THRESH_BINARY | cv2.THRESH_MASK，其中`|`表示按位或操作。这样设置之后，阈值化函数会将大于阈值的像素点设为255（白色），小于阈值的像素点设为0（黑色），同时保留图像原始的通道信息。

最后，我们通过cv2.imshow()函数显示阈值化后的二值图像。

通过使用cv2.THRESH_MASK标志参数，我们可以在进行阈值化操作的同时保留图像原有的通道信息，使得二值图像具有更多的应用场景。

### 回答3：
cv2.THRESH_MASK是OpenCV中的一个阈值化方法的参数。它用于具有多个通道的图像，用于掩盖或保留特定通道的像素值。

举个例子来说明用法，假设我们有一张彩色图像，分为红、绿、蓝三个通道。我们想要阈值化图像，只保留红色通道的像素值，并将其它通道的像素值设为0。

首先，读入彩色图像：

import cv2
img = cv2.imread('image.jpg')

接下来，将图像转换为红、绿、蓝三个通道的图像：

b, g, r = cv2.split(img)

然后，创建一个与输入图像大小相同的空白图像，将绿、蓝通道的像素值设为0：

result = img.copy()
result[:, :, 0] = 0  # 将绿通道像素值设为0
result[:, :, 1] = 0  # 将蓝通道像素值设为0

最后，使用阈值化方法进行掩码操作，只保留红色通道的像素值，其它通道设为0：

_, mask = cv2.threshold(r, 128, 255, cv2.THRESH_MASK)
result = cv2.bitwise_and(result, result, mask=mask)

以上代码中，cv2.threshold函数用于对红色通道进行阈值化处理，设置阈值为128，超过阈值的像素值设为255，其它像素值设为0。然后，cv2.bitwise_and函数将掩码应用于结果图像，只保留与掩码相对应的像素值。

通过以上操作，我们就可以得到一张只保留红色通道像素的图像，其它通道的像素值被掩盖，设为0。

这就是cv2.THRESH_MASK的一个使用示例，它提供了一种在多通道图像中进行像素值掩码操作的方式。