要在 Python 中读取图像并对其进行灰度化和二值化处理，然后分别显示原始图像、灰度图像和二值化后的图像，你可以利用 OpenCV 和 Matplotlib 库。下面是详细的步骤及示例代码： ### 所需库安装 首先确保已安装所需的第三方库： - **OpenCV** (`cv2`)用于图像的基本操作。 - **Matplotlib** (`plt`)用于绘制图像。 可以通过 pip 安装这两个包（如果你还没有它们的话）： ```bash pip install opencv-python matplotlib ``` ### 示例代码 #### 导入库文件 导入必要的 Python 包： ```python import cv2 import numpy as np from matplotlib import pyplot as plt ``` #### 加载并预览原始图像 通过路径加载图片，并使用matplotlib展示它： ```python # 图像路径可以根据实际情况调整 image_path = 'path_to_your_image.jpg' original_img = cv2.imread(image_path) gray_img = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY) # 灰度化转换 # 显示原图 (注意：opencv默认颜色空间为BGR而非RGB) rgb_original = cv2.cvtColor(original_img, cv2.COLOR_BGR2RGB) plt.figure(figsize=(8,6)) plt.title('Original Image') plt.imshow(rgb_original) plt.axis('off') # 关闭坐标轴刻度线 plt.show() ``` #### 对图像进行灰度化与二值化 接着我们将对已经获得的灰度图像继续加工，应用阈值法将其转为黑白两色形态： ```python _, binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY) # 分别可视化灰度图和二值化后的图像 fig, axes = plt.subplots(1, 2, figsize=(14, 7)) axes[0].imshow(gray_img, cmap='gray') axes[0].set_title("Grayscale Image") axes[0].axis('off') axes[1].imshow(binary_img, cmap='gray') axes[1].set_title("Binary Image [Threshold Value: 127]") axes[1].axis('off') plt.tight_layout() plt.show() ``` 以上就是完整的流程演示了如何选取一张本地存储的照片并在Python脚本里做简单的变换操作。此段落展示了三个关键阶段 - 原始彩照呈现、转化为单通道灰阶样式、最后设定固定阈值得到只有黑白色的简化图形。 ### 注意事项 * 阈值设置影响着二值化的最终效果，默认采用了固定的 `127` ，可根据实际应用场景调整这一参数获取更理想的结果； * 在不同平台环境下运行时，请确认提供的图像路径是准确无误的； 希望这段解释对你有所帮助！