人工智能之视觉领域 计算机视觉
第五章 图像阈值处理
文章目录
- 人工智能之视觉领域 计算机视觉
- 前言：图像阈值处理（二值化）
-
- 1. 通俗理解：什么是图像二值化？
- 2. 为什么需要二值化？
- 3. 三大阈值方法详解
-
- 3.1 简单阈值（Simple Thresholding）
-
- 🔧 核心函数：`cv2.threshold()`
- 📋 常用阈值类型：
- ✅ 示例代码：
- 3.2 自适应阈值（Adaptive Thresholding）
-
- 🔧 核心函数：`cv2.adaptiveThreshold()`
- ✅ 示例代码：
- 3.3 OTSU 阈值（自动最优阈值）
-
- 🔧 使用方式：在 `cv2.threshold()` 中添加 `cv2.THRESH_OTSU` 标志
- 📊 直观理解 OTSU：
- ✅ 示例代码：
- 4. 三种方法对比流程图（Mermaid）
- 5. 完整实战：文档图像二值化对比
- 6. 补充技巧与注意事项
-
- 🔍 技巧1：先去噪再二值化
- 🔍 技巧2：反转黑白（如果文字是白底黑字）
- ⚠️ 注意事项：
- 7. 应用延伸：为 OCR 预处理
- ✅ 本章总结
- 资料关注
前言：图像阈值处理（二值化）
学习目标：理解“二值化”的核心思想，掌握三种主流阈值方法（简单、自适应、OTSU），能根据实际图像选择合适策略，为后续轮廓检测、OCR 等任务打下基础。
1. 通俗理解：什么是图像二值化？
想象你有一张手写笔记的照片，背景是米黄色，字迹是深灰色。 你想把这张图变成 纯黑字 + 纯白背景，方便打印或识别。
✅ 二值化 = 把图像变成只有“黑”和“白”两种颜色的图
- 黑色（0）：表示“前景”（如文字、物体）
- 白色（255）：表示“背景”
这种操作在计算机视觉中叫 阈值处理（Thresholding），是预处理的关键一步。
2. 为什么需要二值化？
| 背景杂乱、光照不均 | 只保留目标结构，去除纹理/噪声 |
| 颜色复杂、通道多 | 简化为单通道，计算量大幅下降 |
| 边缘模糊 | 强化前景与背景的边界 |
🎯 典型应用场景：
- 扫描文档去底纹（如发票、试卷）
- 车牌/文字识别（OCR）前处理
- 工业零件缺陷检测
- 轮廓提取（需先二值化）
3. 三大阈值方法详解
3.1 简单阈值（Simple Thresholding）
原理：设定一个全局阈值 T，所有像素按统一标准判断：
- 若 pixel > T → 设为白色（255）
- 否则 → 设为黑色（0）
🔧 核心函数：cv2.threshold()
retval, dst = cv2.threshold(src, thresh, maxval, type)
| src | 输入图像（必须是灰度图） |
| thresh | 阈值（如 127） |
| maxval | 最大值（通常为 255） |
| type | 阈值类型（见下表） |
📋 常用阈值类型：
| cv2.THRESH_BINARY | 标准二值化 | dst = 255 if src > thresh else 0 |
| cv2.THRESH_BINARY_INV | 反向二值化 | dst = 0 if src > thresh else 255 |
| cv2.THRESH_TRUNC | 截断 | dst = thresh if src > thresh else src |
| cv2.THRESH_TOZERO | 低于阈值归零 | dst = src if src > thresh else 0 |
💡 初学者只需掌握 THRESH_BINARY 和 THRESH_BINARY_INV
✅ 示例代码：
import cv2
# 读取并转灰度
img = cv2.imread('document.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 简单阈值（手动设阈值=127）
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 显示对比
cv2.imshow('Original', gray)
cv2.imshow('Binary (Simple)', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()
⚠️ 缺点：光照不均时，全局阈值失效（部分区域过曝/欠曝）
3.2 自适应阈值（Adaptive Thresholding）
原理：不再用全局阈值，而是对每个小区域计算局部阈值，适合光照不均的图像。
🔧 核心函数：cv2.adaptiveThreshold()
dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
| src | 灰度图 |
| maxValue | 输出最大值（255） |
| adaptiveMethod | 计算方法：ADAPTIVE_THRESH_MEAN_C（均值）ADAPTIVE_THRESH_GAUSSIAN_C（高斯加权） |
| thresholdType | 通常为 THRESH_BINARY 或 THRESH_BINARY_INV |
| blockSize | 邻域大小（必须为奇数，如 11, 21） |
| C | 从均值/高斯值中减去的常数（用于微调） |
✅ 示例代码：
# 自适应阈值（均值法）
adaptive_mean = cv2.adaptiveThreshold(
gray, 255,
cv2.ADAPTIVE_THRESH_MEAN_C,
cv2.THRESH_BINARY,
blockSize=11, C=2
)
# 自适应阈值（高斯法）
adaptive_gauss = cv2.adaptiveThreshold(
gray, 255,
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY,
blockSize=11, C=2
)
# 显示
cv2.imshow('Adaptive Mean', adaptive_mean)
cv2.imshow('Adaptive Gauss', adaptive_gauss)
cv2.waitKey(0)
cv2.destroyAllWindows()
✅ 优点：能处理阴影、渐变背景 ❌ 缺点：计算量稍大，blockSize 需调参
3.3 OTSU 阈值（自动最优阈值）
原理：由 Nobuyuki Otsu 提出，自动搜索使类间方差最大的阈值，适合双峰直方图（前景/背景区分明显）。
🔧 使用方式：在 cv2.threshold() 中添加 cv2.THRESH_OTSU 标志
# OTSU 会忽略你传入的 thresh 值（设为 0 即可）
_, otsu_binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
📊 直观理解 OTSU：
- 图像直方图有两个“山峰”（一个代表背景，一个代表文字）
- OTSU 找到两峰之间的“山谷”作为最佳分割点
✅ 示例代码：
# OTSU 二值化
_, otsu = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
print(f"✅ OTSU 自动计算的最优阈值: {_}")
cv2.imshow('OTSU Binary', otsu)
cv2.waitKey(0)
cv2.destroyAllWindows()
✅ 适用场景：文档、印章、高对比度图像 ❌ 不适用：低对比度、多灰度级图像（如自然风景）
4. 三种方法对比流程图（Mermaid）
#mermaid-svg-b3Czn3RZr56MJ0sS{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-b3Czn3RZr56MJ0sS .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-b3Czn3RZr56MJ0sS .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-b3Czn3RZr56MJ0sS .error-icon{fill:#552222;}#mermaid-svg-b3Czn3RZr56MJ0sS .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-b3Czn3RZr56MJ0sS .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-b3Czn3RZr56MJ0sS .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-b3Czn3RZr56MJ0sS .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-b3Czn3RZr56MJ0sS .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-b3Czn3RZr56MJ0sS .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-b3Czn3RZr56MJ0sS .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-b3Czn3RZr56MJ0sS .marker{fill:#333333;stroke:#333333;}#mermaid-svg-b3Czn3RZr56MJ0sS .marker.cross{stroke:#333333;}#mermaid-svg-b3Czn3RZr56MJ0sS svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-b3Czn3RZr56MJ0sS p{margin:0;}#mermaid-svg-b3Czn3RZr56MJ0sS .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-b3Czn3RZr56MJ0sS .cluster-label text{fill:#333;}#mermaid-svg-b3Czn3RZr56MJ0sS .cluster-label span{color:#333;}#mermaid-svg-b3Czn3RZr56MJ0sS .cluster-label span p{background-color:transparent;}#mermaid-svg-b3Czn3RZr56MJ0sS .label text,#mermaid-svg-b3Czn3RZr56MJ0sS span{fill:#333;color:#333;}#mermaid-svg-b3Czn3RZr56MJ0sS .node rect,#mermaid-svg-b3Czn3RZr56MJ0sS .node circle,#mermaid-svg-b3Czn3RZr56MJ0sS .node ellipse,#mermaid-svg-b3Czn3RZr56MJ0sS .node polygon,#mermaid-svg-b3Czn3RZr56MJ0sS .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-b3Czn3RZr56MJ0sS .rough-node .label text,#mermaid-svg-b3Czn3RZr56MJ0sS .node .label text,#mermaid-svg-b3Czn3RZr56MJ0sS .image-shape .label,#mermaid-svg-b3Czn3RZr56MJ0sS .icon-shape .label{text-anchor:middle;}#mermaid-svg-b3Czn3RZr56MJ0sS .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-b3Czn3RZr56MJ0sS .rough-node .label,#mermaid-svg-b3Czn3RZr56MJ0sS .node .label,#mermaid-svg-b3Czn3RZr56MJ0sS .image-shape .label,#mermaid-svg-b3Czn3RZr56MJ0sS .icon-shape .label{text-align:center;}#mermaid-svg-b3Czn3RZr56MJ0sS .node.clickable{cursor:pointer;}#mermaid-svg-b3Czn3RZr56MJ0sS .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-b3Czn3RZr56MJ0sS .arrowheadPath{fill:#333333;}#mermaid-svg-b3Czn3RZr56MJ0sS .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-b3Czn3RZr56MJ0sS .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-b3Czn3RZr56MJ0sS .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-b3Czn3RZr56MJ0sS .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-b3Czn3RZr56MJ0sS .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-b3Czn3RZr56MJ0sS .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-b3Czn3RZr56MJ0sS .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-b3Czn3RZr56MJ0sS .cluster text{fill:#333;}#mermaid-svg-b3Czn3RZr56MJ0sS .cluster span{color:#333;}#mermaid-svg-b3Czn3RZr56MJ0sS div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-b3Czn3RZr56MJ0sS .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-b3Czn3RZr56MJ0sS rect.text{fill:none;stroke-width:0;}#mermaid-svg-b3Czn3RZr56MJ0sS .icon-shape,#mermaid-svg-b3Czn3RZr56MJ0sS .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-b3Czn3RZr56MJ0sS .icon-shape p,#mermaid-svg-b3Czn3RZr56MJ0sS .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-b3Czn3RZr56MJ0sS .icon-shape rect,#mermaid-svg-b3Czn3RZr56MJ0sS .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-b3Czn3RZr56MJ0sS .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-b3Czn3RZr56MJ0sS .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-b3Czn3RZr56MJ0sS :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}
是
否
是
否
输入灰度图像
图像光照是否均匀?
前景/背景是否双峰分布?
使用自适应阈值
使用 OTSU 阈值
尝试简单阈值 + 调参
输出二值图
5. 完整实战：文档图像二值化对比
import cv2
import matplotlib.pyplot as plt
# 读取图像（建议用带阴影的文档图测试）
img = cv2.imread('receipt.jpg')
if img is None:
# 创建模拟图像
img = cv2.imread('example_doc.jpg') or np.ones((400, 600, 3), dtype=np.uint8) * 200
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 1. 简单阈值
_, simple = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 2. 自适应阈值（高斯）
adaptive = cv2.adaptiveThreshold(
gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY, blockSize=15, C=5
)
# 3. OTSU
_, otsu = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# 使用 matplotlib 显示（避免 BGR 问题）
images = [gray, simple, adaptive, otsu]
titles = ['Gray', 'Simple Threshold', 'Adaptive Gaussian', 'OTSU']
plt.figure(figsize=(12, 8))
for i in range(4):
plt.subplot(2, 2, i+1)
plt.imshow(images[i], cmap='gray')
plt.title(titles[i])
plt.axis('off')
plt.tight_layout()
plt.show()
# 保存结果
cv2.imwrite('binary_simple.jpg', simple)
cv2.imwrite('binary_adaptive.jpg', adaptive)
cv2.imwrite('binary_otsu.jpg', otsu)
6. 补充技巧与注意事项
🔍 技巧1：先去噪再二值化
# 高斯模糊降噪（减少椒盐噪声）
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
_, binary = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
🔍 技巧2：反转黑白（如果文字是白底黑字）
# 使用 THRESH_BINARY_INV
_, binary_inv = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
⚠️ 注意事项：
- 必须先转灰度图！彩色图不能直接做阈值
- OTSU 对噪声敏感，建议先平滑
- 自适应阈值的 blockSize 越大，越接近全局阈值；越小，细节越多但可能噪点多
7. 应用延伸：为 OCR 预处理
# 文字识别前的标准流程
def preprocess_for_ocr(image_path):
img = cv2.imread(image_path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)
binary = cv2.adaptiveThreshold(
blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY, blockSize=11, C=2
)
return binary
# binary_img = preprocess_for_ocr('text.jpg')
# 可直接送入 pytesseract 等 OCR 引擎
✅ 本章总结
| 简单阈值 | 光照均匀、高对比度 | 快速、简单 | 对光照敏感 |
| 自适应阈值 | 光照不均（阴影、渐变） | 局部自适应 | 需调参，稍慢 |
| OTSU | 双峰直方图（文档、印章） | 全自动、效果好 | 对噪声敏感 |
🌟 你现在可以：
- 把一张模糊的发票变成清晰的黑白图
- 为后续的“找轮廓”、“识文字”做好准备
- 根据图像特点，选择最合适的二值化策略！
下一章，我们将学习 形态学操作 —— 用“膨胀”和“腐蚀”清理二值图中的噪点与空洞！
资料关注
公众号：咚咚王 gitee：https://gitee.com/wy18585051844/ai_learning
《Python编程：从入门到实践》 《利用Python进行数据分析》 《算法导论中文第三版》 《概率论与数理统计（第四版） (盛骤) 》 《程序员的数学》 《线性代数应该这样学第3版》 《微积分和数学分析引论》 《（西瓜书）周志华-机器学习》 《TensorFlow机器学习实战指南》 《Sklearn与TensorFlow机器学习实用指南》 《模式识别（第四版）》 《深度学习 deep learning》伊恩·古德费洛著 花书 《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》 《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》 《自然语言处理综论 第2版》 《Natural-Language-Processing-with-PyTorch》 《计算机视觉-算法与应用(中文版)》 《Learning OpenCV 4》 《AIGC：智能创作时代》杜雨+&+张孜铭 《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》 《从零构建大语言模型（中文版）》 《实战AI大模型》 《AI 3.0》
