函数自定义两种方式实现图像二值化值化

图像二值化是图像处理中的一种常用技术，它将图像上的像素点的灰度值设置为0或255，即将图像转换为只有黑白两种颜色的形式。实现图像二值化的方法主要有全局阈值法和自适应阈值法。

1. 全局阈值法（Global Thresholding）：这种方法将整个图像看作一个整体，通过设定一个全局的阈值来将像素点分类为黑色或白色。通常通过计算图像的直方图，然后选择一个阈值，使得像素点被分为背景和前景。这种二值化的实现相对简单，适合于背景和前景对比度比较明显且分布均匀的图像。

2. 自适应阈值法（Adaptive Thresholding）：这种方法针对图像的不同区域采用不同的阈值。自适应阈值法考虑到了图像局部的光照变化，对于局部对比度不均匀的图像效果较好。自适应阈值通常基于某个邻域的局部像素值来确定，例如可以用该区域的局部平均值或局部加权平均值来决定阈值。

两种方法在实现时都可以通过编写特定的函数来完成。例如，在编程语言Python中，可以使用OpenCV库来实现这两种二值化方法。代码示例如下：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)

# 全局阈值法
ret, global_thresholded_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)

# 自适应阈值法
# block_size 是用于计算阈值的局部区域大小
# C 是从平均或加权平均中减去的一个常数，可以用来调节阈值
adaptive_thresholded_image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

# 显示结果
cv2.imshow('Global Thresholded Image', global_thresholded_image)
cv2.imshow('Adaptive Thresholded Image', adaptive_thresholded_image)
cv2.waitKey(0)
cv2.destroyAllWindows()