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。