使用自定义函数实现图像二值化

图像二值化是一种图像处理技术，用于将图像转换为黑白两色，以简化图像内容并突出显示某些特征。在二值化过程中，像素点的灰度值通常会被设置为0或255（或其他定义的最大值），这取决于像素的灰度值是否高于某个阈值。

使用自定义函数实现图像二值化的步骤如下：

1. 确定阈值：首先需要确定一个阈值（T），这个阈值用于将灰度图像中的像素点分类为前景或背景。
2. 遍历图像：对图像中的每个像素点进行遍历，读取其灰度值。
3. 应用阈值：对于每个像素点，比较其灰度值与阈值T的大小。
- 如果像素点的灰度值大于或等于阈值T，则将该点设置为255（白色）。
- 如果像素点的灰度值小于阈值T，则将该点设置为0（黑色）。
4. 输出二值化图像：完成所有像素点的处理后，输出的图像就是一个二值化后的图像。

下面是一个简单的Python代码示例，用于实现上述功能：

import cv2
import numpy as np

def custom_binary_image(image, threshold):
    # 创建一个和原图像同样大小的零矩阵，数据类型与原图相同
    binary_image = np.zeros(image.shape, dtype=np.uint8)
    
    # 遍历图像中的每个像素
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            # 如果当前像素的灰度值大于等于阈值，则将其设置为255
            if image[i, j] >= threshold:
                binary_image[i, j] = 255
    return binary_image

# 加载图像并转换为灰度图像
image = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)

# 设置阈值
threshold = 127

# 调用自定义函数进行二值化处理
binary_image = custom_binary_image(image, threshold)

# 显示原图像和二值化后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Binary Image', binary_image)

# 等待按键后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，`custom_binary_image`函数接收一个灰度图像和一个阈值作为参数，并返回一个二值化后的图像。