图像二值化(Image Binarization)简单理解就是通过适当的高低阈值将256个亮度等级的图像转换为二值图。本文中提及的二值图像均指灰度值为0(黑色)或255(白色)的图像。
在数字图像处理中，二值图像有着非常重要的作用。图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能突出感兴趣目标。以下主要讲解如何对单通道灰度图像和三通道彩色图像进行二值化处理。
二值化(灰度)
一、参数介绍
单击二值化(灰度)图标，弹出二值化(灰度)工具常规页面。点击设置，进入到二值化(灰度)参数设置界面，如图1：
图1 二值化(灰度)参数设置界面
1、阈值区间
阈值区间是从低阈值起到高阈值组成的区间，阈值的取值范围是[0,255]，且低阈值小于或等于高阈值，如图2。
图2 阈值区间示意图
2、目标区域
图像中灰度值在阈值区间范围内的像素集合即为目标区域。
1)选择黑色目标时：目标区域的灰度值置为0，否则为255。
2)选择白色目标时：目标区域的灰度值置为255，否则为0。
在阈值区间为[0, 128]时，分别选择黑色目标和白色目标，二值化后的效果图如图3：
图3 选择不同目标区域时二值化效果图
3、灰度直方图概念
灰度直方图描述了一幅图像中某一个通道的灰度统计信息，主要应用于图像分割和图像灰度变换等处理过程中。从图形上来说，灰度直方图就是一个二维图，横坐标表示灰度值(灰度级别)，纵坐标表示具有各个灰度值或者灰度级别的像素在图像中出现的次数或者概率，如图4。
图4 灰度直方图
4、二值化方式(确定阈值的方式)
1)手动二值化：通过手动调节阈值实现图像二值化。
2)大津法二值化：图像根据灰度直方图分布，采用OTSU算法自动计算阈值，对整张图像进行二值化处理。
3)迭代最佳二值化：该方法先假定一个阈值，然后计算在该阈值下的前景和背景的中心值，当前景和背景中心值的平均值和假定的阈值相同时，则迭代中止，并以此值为阈值进行二值化。
4)模糊集理论二值化：基于模糊集理论求出合理阈值(加强版的迭代最佳二值化)。
5)谷底最小值二值化：该方法适用于具有明显双峰直方图的图像，其寻找双峰的谷底作为阈值。
图5 双峰灰度直方图示意图
6)双峰均值二值化：具有明显双峰直方图的图像，将双峰的平均值作为阈值进行图像二值化。
7)局部自适应二值化：根据邻域块的大小，自动计算邻域块内图像局部阈值，利用局部阈值对局部图像进行二值化。同理计算其余部分图像进行二值化。
二、算法对比
表1 二值化算法对比
二值化(彩色)
一、图像通道
数字图像中，每个彩色图像都由多个图像通道组成，图像通道数以及每个通道的含义都取决于其颜色空间模式。如常见的RGB颜色空间模式下，一幅彩色图像可以分成R(红)，G(绿)，B(蓝)三个图像通道，如图6所示：
图6 RGB颜色空间模式
二、颜色空间模式
颜色空间也称彩色模型(又称彩色空间或彩色系统)，它的用途是在某些特定标准模式下用通常可接受的方式对彩色加以说明。这些特定标准模式称为颜色空间模式，常见颜色空间模式如下：
1、RGB模式：基于颜色的加法混色原理，从黑色不断叠加Red，Green，Blue的颜色，最终可以得到白色光。将R、G、B三个通道作为笛卡尔坐标系中的X、Y、Z轴，就得到了一种对于颜色的空间描述。
图7 RGB模式笛卡尔坐标系
2、HSL模式：该模式认为颜色可以用色调(H:hue)，饱和度(S:saturation)，亮度(L:Lightness)进行描述。这是根据人观察色彩的生理特征而提出的颜色模型。
图8 HSV空间模式
3、HSV模式：与HSL类似，该模式下亮度(L:Lightness)替换为明度(V:Value)。
4、HSI模式：与HSL类似，该模式下亮度(L:Lightness)替换为强度(I:Intensity)。
三、二值化(彩色)算法原理
彩色二值化算法过程首先是将图像转换到指定的彩色空间模式，然后按设定的阈值对图像各个通道进行灰度二值化，最后对各个二值化结果进行与运算，得到彩色二值化结果。以图9为例，指定颜色空间模式为RGB模式，设定R通道上下限阈值为[35,227]，G通道为[0,142]，B通道为[59,187]，其流程为：
图9 二值化(彩色)算法流程图
四、参数设置
单击二值化(彩色)图标，弹出二值化(彩色)工具常规页面。点击设置，进入到二值化(彩色)参数设置界面，可对参数进行设定，如图10。
图10 二值化(彩色)参数设置界面
参数介绍，如图11所示：
图11 二值化(彩色)参数介绍
获取更多资讯百度搜索“奥普特”