# 人工智能之视觉领域 计算机视觉

第五章 图像阈值处理

---

> @[TOC](文章目录)

---

# 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？

| 原始图像问题 | 二值化后优势 |
|------------|------------|
| 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()`

```python
retval, dst = cv2.threshold(src, thresh, maxval, type)
```

| 参数 | 说明 |
|------|------|
| `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：

| 类型 | 效果 | 公式 |
|------|------|-----|
| `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：

```python
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()`

```python
dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
```

| 参数 | 说明 |
|------|------|
| `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：

```python
# 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

```python
# 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：

```python
# 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
graph TD
    A[输入灰度图像] --> B{图像光照是否均匀?}
    B -- 是 --> C{前景/背景是否双峰分布?}
    B -- 否 --> D[使用自适应阈值]
    C -- 是 --> E[使用 OTSU 阈值]
    C -- 否 --> F[尝试简单阈值 + 调参]
    D --> G[输出二值图]
    E --> G
    F --> G
```

---

## 5. 完整实战：文档图像二值化对比

```python
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

```python
# 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）

```python
# 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

```python
# 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

| 方法 | 适用场景 | 优点 | 缺点 |
|------|--------|------|------|
| **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

《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》

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。

人工智能之视觉领域 计算机视觉 第五章 图像阈值处理

技术岗

编程语言

图像阈值处理是计算机视觉预处理的关键技术，将图像转换为黑白二值图。文章详解三种主流方法：简单阈值（全局固定值）、自适应阈值（局部动态计算）和OTSU算法（自动最优阈值），并分析各自适用场景。通过Python代码示例演示文档OCR预处理流程，帮助读者掌握根据图像特性选择最佳二值化策略的能力。

自然语言处理

计算机视觉

文字识别

智能创作

人工智能

机器学习

深度学习

数据分析

大数据

Python

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

人工智能之视觉领域 计算机视觉 第五章 图像阈值处理-腾讯云开发者社区-腾讯云

人工智能之视觉领域计算机视觉第五章图像阈值处理

人工智能之视觉领域计算机视觉第五章图像阈值处理

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

人工智能之视觉领域 计算机视觉 第五章 图像阈值处理

人工智能之视觉领域 计算机视觉 第五章 图像阈值处理

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

人工智能之视觉领域计算机视觉第五章图像阈值处理

人工智能之视觉领域计算机视觉第五章图像阈值处理