自适应二值化python代码实现 不调用opencv

自适应二值化是指根据图像的局部特征来确定阈值的二值化方法。以下是一个简单的 Python 实现：

import numpy as np

def adaptive_threshold(img, block_size, constant):
    # 块的大小必须为奇数
    if block_size % 2 == 0:
        block_size += 1

    # 图像的大小
    h, w = img.shape

    # 初始化二值化后的图像
    binary_img = np.zeros((h, w), np.uint8)

    # 遍历图像的每个像素
    for y in range(h):
        for x in range(w):
            # 计算像素所在块的左上角和右下角坐标
            x1 = max(x - block_size // 2, 0)
            y1 = max(y - block_size // 2, 0)
            x2 = min(x + block_size // 2, w - 1)
            y2 = min(y + block_size // 2, h - 1)

            # 计算块内的平均灰度值
            block = img[y1:y2+1, x1:x2+1]
            mean = np.mean(block)

            # 根据块内的平均灰度值计算阈值
            threshold = mean - constant

            # 根据阈值将像素二值化
            if img[y, x] > threshold:
                binary_img[y, x] = 255
            else:
                binary_img[y, x] = 0

    return binary_img

使用示例：

import cv2

img = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)
binary_img = adaptive_threshold(img, block_size=41, constant=15)
cv2.imshow('binary', binary_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`block_size` 参数表示块的大小，`constant` 参数表示阈值偏移量。