猫狗分类识别【图像预处理】⑤二值化

一、依赖库

pip install opencv-python

二、二值化说明

在这个脚本中，我们假设去噪后的图像已经是灰度图像。如果去噪后的图像是彩色图像，需要先将其转换为灰度图像，
可以使用cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)来实现。

cv2.threshold函数用于进行二值化操作。
它接受四个参数：输入图像、阈值、最大值（通常设置为255，表示白色）和二值化类型（在这个例子中使用cv2.THRESH_BINARY）。
函数返回两个值：第一个是用于二值化的实际阈值（在这个例子中我们不需要，所以使用_来忽略它），第二个是二值化后的图像。

最后，使用cv2.imwrite函数将二值化后的图像保存到指定的文件夹中。

三、二值化实现

import os

import cv2

# 设置去噪后的图像文件夹路径和二值化后的图像保存文件夹路径
denoised_images_folder = "imgs4/"  # 替换为去噪后图像文件夹的实际路径
binarized_images_folder = "imgs5/"  # 二值化后图像保存文件夹路径

# 确保二值化后的图像文件夹存在
if not os.path.exists(binarized_images_folder):
    os.makedirs(binarized_images_folder)

# 设置二值化阈值
threshold_value = 128  # 你可以根据实际情况调整这个阈值

# 遍历去噪后的图像文件夹中的所有图像文件
for filename in os.listdir(denoised_images_folder):
    if filename.endswith(".jpg") or filename.endswith(
        ".png"
    ):  # 根据需要添加其他图像格式
        # 读取去噪后的图像
        image_path = os.path.join(denoised_images_folder, filename)
        # 假设去噪后的图像是灰度图像
        image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
        # 对图像进行二值化操作
        _, binarized_image = cv2.threshold(
            image, threshold_value, 255, cv2.THRESH_BINARY
        )

        # 保存二值化后的图像到新的文件夹
        output_path = os.path.join(binarized_images_folder, filename)
        cv2.imwrite(output_path, binarized_image)
        print(f"Binarized and saved {filename} to {output_path}")

四、二值结果

二值前：

二值后：

单图对比（前后）：