什么是图像的二值化

是什么

世界不是非黑即白的，但是图像的二值化就是非黑即白的
二值化就是图片的阈值算法(二值化，将连续的灰度范围切割为白+黑)

如何划分

不同的划分方式就产生了不同的算法

cv2.threshold

cv2.threshold(原图片, 阈值, maxVal阈值的对比值, 阈值类型)
返回值有两个即阈值，二值化之后的图片
如果不想要阈值，也需要用_，二值化后的图片接收一下，不然会报错
阈值类型，决定了如何根据阈值对像素值进行分类

常用阈值类型

cv2.THRESH_BINARY最基本的二值阈值化。若像素值大于阈值 thresh，则将其设置为 maxval，否则设置为 0
cv2.THRESH_OTSU：这是一种自适应阈值选择方法，称为大津法（Otsu’s method）。当使用此类型时，cv2.threshold 函数会自动计算出一个最优阈值，而传入的 thresh 参数会被忽略。但不能不传入参数，传入0和255分成黑或白

cv2.adaptiveThreshold

将整张图划分区块二值化，对于明暗变化大的图片效果更好
cv2.adaptiveThreshold（源图像、maxVal阈值的对比值，计算自适应阈值的方法，阈值类型，计算每个像素阈值的邻域大小，常数C）
1、计算自适应阈值的方法常取cv2.ADAPTIVE_THRESH_GAUSSIAN_C高斯加权邻域均值法
2、阈值类型：一般取cv2.THRESH_BINARY，若像素值大于计算出的阈值，则将其设置为 maxValue，否则设置为 0。一般取255
3、计算每个像素阈值的邻域大小：必须是大于 1 的奇数。常见取值有 3、5、7 等。邻域大小决定了参与计算阈值的像素范围，较大的邻域会使阈值计算考虑更多像素，但可能会在图像细节丰富的区域丢失一些细节；较小的邻域则更关注局部细节，但对噪声更敏感。一般取7
4、常数C：从计算出的均值（或高斯加权均值）中减去的常数。这个参数用于微调阈值，可以根据图像的特点进行调整，以获得更好的阈值化效果。如果 C 值较大，阈值会相对较低，更多像素可能被判定为前景；反之，C 值较小，阈值会相对较高，更多像素可能被判定为背景。一般取1、2之类的