python + opencv图像处理（十六）——超大图像二值化

关注

原创最新推荐文章于 2026-09-25 15:27:08 发布 624 阅读 AI 写同款· GEO 优化 ›

OpenCV+Python简单实践之硬币检测以及条形码检测目录标题一、简单图片格式1.位图2.文件压缩比二、用奇异值分解（SVD）对一张图片进行特征值提取（降维）处理1.代码2.效果三、采用图像的开闭运算(腐蚀-膨胀)，检测出2个样本图像中硬币、细胞的个数1.硬币检测代码读取图片转为灰度图片图片二值化腐蚀膨胀找到硬币中心标识硬币显示结果最终结果源码2.细胞检测四、采用图像梯度、开闭、轮廓运算等，对图片中的条形码进行定位提取；再调用条码库获得条码字符读取图片转为灰度图片高斯滤波处理Sobel算子计算梯度差均值方波消除高频噪声二值化闭运算填充空隙开运算得到最终区域绘阅读详情

分块
全局阈值和局部阈值

from matplotlib import pyplot as plt 
from cv2 import cv2 as cv
import numpy as np 


def big_image_binary(image):
    print(image.shape) #超大图像，屏幕无法显示完整
    cw = 256    # 分块的大小
    ch = 256
    h,w = image.shape[:2]
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #要二值化图像，要先进行灰度化处理
    for row in range(0,h,ch):     
        for col in range(0,w,cw):
            '''
            roi = gray[row:row+ch,col:cw+col]#获取分块
            print(np.std(roi),np.mean(roi))
            # ret,dst=cv.threshold(roi,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)#全局阈值　
            # 局部阈值
            dst = cv.adaptiveThreshold(roi,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,127,20)
            gray[row:row+ch,col:cw+col] = dst   #分块覆盖
            print(np.std(dst),np.mean(dst))
            # 方差小于15就令为0  # 空白图像过滤
            '''
            roi = gray[row:row+ch,col:cw+col]#获取分块
            print(np.std(roi),np.mean(roi))
            dev = np.std(roi)
            if dev < 15:
                gray[row:row+ch,col:cw+col] = 255
            else:
                ret,dst=cv.threshold(roi,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)#全局阈值
                gray[row:row+ch,col:cw+col] = dst   #分块覆盖
 
    cv.imshow("big_image_binary",gray)
    cv.imwrite("C:\\pictures\\result_binary.png",gray)

if __name__ == "__main__":
	filepath = "C:\\pictures\\1(1)(1).jpg"             # 超级大图 比如5477*7777  在其他图上放大尺寸就行
	img = cv.imread(filepath)       # blue green red
	# cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
	# cv.imshow("input image",img)
	big_image_binary(img)
	
	cv.waitKey(0)
	cv.destroyAllWindows()

收录于