### Python 实现灰度图像的二值化处理 灰度图像的二值化是指将像素值转化为只有两个可能状态的过程，通常用于简化图像数据以便后续分析或处理。以下是实现这一功能的具体方法。 #### 使用 PIL 库进行二值化处理 可以利用 `Pillow`（即 PIL 的升级版）来完成灰度图像的二值化。通过设置阈值，将灰度值低于该阈值的部分设为黑色 (0)，高于等于该阈值的部分设为白色 (255)[^1]： ```python from PIL import Image def binary_image_pil(input_path, output_path, threshold=128): image = Image.open(input_path).convert('L') # 转换为灰度图 pixels = image.load() for i in range(image.width): for j in range(image.height): if pixels[i, j] >= threshold: pixels[i, j] = 255 # 白色 else: pixels[i, j] = 0 # 黑色 image.save(output_path) binary_image_pil("input.png", "output_binary_pil.png") ``` #### 使用 OpenCV 进行二值化处理 另一种常用的方法是借助 OpenCV 来实现更高效的二值化操作。可以通过内置函数 `cv2.threshold()` 完成此过程[^2]: ```python import cv2 def binary_image_opencv(input_path, output_path, threshold=128): img_gray = cv2.imread(input_path, cv2.IMREAD_GRAYSCALE) # 直接读取为灰度图 _, img_binary = cv2.threshold(img_gray, threshold, 255, cv2.THRESH_BINARY) cv2.imwrite(output_path, img_binary) binary_image_opencv("input.png", "output_binary_cv2.png") ``` 上述代码中，`threshold` 参数定义了分界线，而第三个参数指定最大值，在这里设定为 255 表示纯白；最后一个参数指定了使用的阈值模式，此处选择了简单的二值化模式 (`THRESH_BINARY`) 。 #### 自动计算最佳阈值 有时手动选取固定阈值并不理想，因此可采用 Otsu's Binarization 方法自动寻找最优分割点: ```python _, img_otsu = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) cv2.imwrite("output_otsu.png", img_otsu) ``` 在此情况下，传递给 `threshold` 函数的第一个实际数值被忽略(用零代替),因为算法会自行决定最合适的界限位置[^3]. ---