图像自适应二值化python

图像自适应二值化是一种处理图像的技术，尤其适用于那些图像灰度级变化较大、边缘模糊或者光照条件不均匀的情况。在Python中，我们可以利用OpenCV库来实现这种技术。AdaptiveThresholding函数是一个常用的工具，它可以根据每个像素周围区域的统计特性来自动确定阈值。

例如，cv2.adaptiveThreshold()函数有几种模式可供选择，如`ADAPTIVE_THRESH_GAUSSIAN_C`（高斯平滑后再计算均值），`ADAPTIVE_THRESH_MEAN_C`（直接计算邻域均值），还有`ADAPTIVE_THRESH_BINARY`等。你需要指定一个小区块大小（通常设为5或9），以及一个常数c（对于`GAUSSIAN_C`和`MEAN_C`），这个常数会在计算阈值时添加到均值上或下，以调整二值化的结果。

下面是一个简单的例子：

import cv2
import numpy as np

# 加载图像
image = cv2.imread('your_image.jpg', 0)  # 0表示加载为灰度图像

# 参数设定：高斯平滑+全局最大值二值化
threshold_type = cv2.ADAPTIVE_THRESH_GAUSSIAN_C
block_size = 5
c = 8

# 自适应二值化
binary_image = cv2.adaptiveThreshold(image, 255, threshold_type, cv2.THRESH_BINARY + cv2.THRESH_OTSU, block_size, c)

cv2.imshow('Original Image', image)
cv2.imshow('Binary Image', binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()