1、为什么需要图像二值化？
| 场景 | 说明 |
|---|---|
| 文字识别（OCR） | 当需要提取图片（比如扫描的文件、发票图片、身份证）中的文字内容时，将图像二值化后，提高字符边缘清晰度，减少背景干扰，用于给OCR程序 识别 |
| 条形码 / 二维码识别 | 快速识别黑白条纹图案 |
| 医学图像处理 | 比如X光片中提取骨骼轮廓 |
| 目标检测与分割 | 定位图像中的特定区域，可用于质检环节检测缺陷区域 |
将复杂的灰度或彩色图像简化为只有黑白两种状态的图像（0 和 255）
图像二值化可达到 “化繁为简”，在保留关键结构的同时去除冗余信息，在 OCR、目标分割、形态学处理等场景中非常有效。
当需要从图像中快速提取有|没有、在哪里信息时，就可以尝试使用二值化处理。
2、图像二值化（Binarization）函数 cv2.threshold()
cv2.threshold() 是 OpenCV的图像二值化函数，将灰度图像转换为黑白二值图像。
通过设定一个阈值（threshold），将像素点分为两类：
- ＞阈值为某一个值（如 255，白色）
- ≤ 阈值为另一值（如 0，黑色）
2.1 函数定义
retval, dst = cv2.threshold(src, thresh, maxval, type)- 返回值
dst：新的二值图像
retval： 实际使用的阈值 - 参数说明
| 参数 | 类型 | 说明 |
|---|---|---|
| src | NumPy 数组 | 必须是灰度图像 |
| thresh | float | 设定的阈值，比如128 |
| maxval | float | 当像素满足条件时，设置的最大值（通常为 255） |
| type | int | 阈值类型 |
- 阈值类型 type 说明
| 类型 | 名称 | 含义 |
|---|---|---|
| cv2.THRESH_BINARY | 二进制阈值化 | if pixel > thresh: 255 else 0 |
| cv2.THRESH_BINARY_INV | 反向二进制 | if pixel > thresh: 0 else 255 |
| cv2.THRESH_TRUNC | 截断 | if pixel > thresh: thresh else pixel |
| cv2.THRESH_TOZERO | 低于阈值清零 | if pixel <= thresh: 0 else pixel |
| cv2.THRESH_TOZERO_INV | 高于阈值清零 | if pixel > thresh: 0 else pixel |
| cv2.THRESH_OTSU | 自动计算最优阈值（基于 Otsu 算法） | 需和上述类型 按位或组合使用， 如cv2.THRESH_BINARY + cv2.THRESH_OTSU |
2.2 OTSU
OTSU（大津算法） 是一种经典的自动图像二值化方法，用于在灰度图像中自动选择最佳阈值，将图像分为前景和背景两部分。由日本学者 大津展之（Nobuyuki Otsu） 1979年提出。
算法解决的主要问题是：在不知道阈值的情况下，如何自动找出一个“最优”阈值来分割图像？
OTSU 算法的思路是：
最大化类间方差（Between-class Variance），让前景（目标）和背景之间的差异尽可能大，从而使分割最清晰。
2.3 代码示例
importcv2importnumpyasnpimportos# 1.读取图像img_path="img/dog.jpg"ifnotos.path.exists(img_path):raiseFileNotFoundError(f"未找到图像文件{img_path}")img=cv2.imread(img_path,cv2.IMREAD_GRAYSCALE)thresh,img1=cv2.threshold(img,128,255,cv2.THRESH_BINARY)cv2.imshow("Original",img)cv2.imshow("threshold",img1)cv2.waitKey(0)cv2.destroyAllWindows()
