二值化图像灰度

是指将一幅灰度图像转化为只有两种灰度值的图像，即黑白图像。在二值化过程中，将图像中的像素根据一定的灰度阈值进行分类，小于或等于阈值的像素被标记为黑色（0），大于阈值的像素被标记为白色（255），从而实现图像的二值化。

二值化图像灰度主要有以下几种分类方式：

1. 全局阈值法：通过选取一个全局阈值，将图像中的像素根据灰度值进行分类。常见的全局阈值选择方法有Otsu法和Triangle法。
2. 自适应阈值法：根据图像的局部特性，在不同的区域内选取不同的阈值进行分类。常见的自适应阈值选择方法有基于均值的方法和基于局部方差的方法。
3. 迭代阈值法：通过迭代的方式寻找最优阈值，将图像进行二值化。常见的迭代阈值选择方法有大津法、Kittler-Illingworth法和Yen法。

二值化图像灰度在图像处理中有广泛的应用场景，包括：

1. 字符识别：将图像中的字符提取出来，并将其转化为二值化图像灰度，以便进行识别和分析。
2. 目标检测：通过对图像进行二值化，可以将目标与背景进行明确的区分，便于进行目标检测和跟踪。
3. 图像分割：通过将图像转化为二值化图像灰度，可以将图像中的不同区域进行分割，便于后续的图像处理和分析。

腾讯云相关产品中，可以使用云图像处理（Image Processing）服务对图像进行二值化处理。详情请参考腾讯云图像处理产品介绍：https://cloud.tencent.com/product/ti。

请注意，以上只是对二值化图像灰度的概念、分类、应用场景的简单介绍，实际应用中还需要考虑图像的特性、噪声处理、算法优化等因素。