如何使用Python对图片进行二值化处理
摘要：
在数字图像处理中，二值化是一种非常常见的处理方法，它将彩色或灰度图像转换为只有两个值的图像，一般为黑色和白色。对图像进行二值化处理，可以突出图像的轮廓和特征，并方便后续图像分析的操作。本文将介绍如何使用Python对图片进行二值化处理，并提供代码示例来帮助读者更好地理解。
一、引入必要的库
在开始之前，我们需要先引入一些必要的库。在Python中，有许多图像处理的库可供选择，例如PIL（Python Imaging Library）和OpenCV等。本文将使用PIL库进行图片的二值化处理，所以需要先安装并引入PIL库。
代码示例：
立即学习
“
Python免费学习笔记（深入）
”；
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
二、读取并显示原始图片
在进行二值化处理之前，首先需要读取原始图片，并进行显示，以便对处理的结果有更直观的了解。
代码示例：
立即学习
“
Python免费学习笔记（深入）
”；
三、图片二值化处理
接下来，我们要对图片进行二值化处理。在PIL库中，图片对象是一个由像素值组成的矩阵，每个像素点的值代表了该点对应的颜色信息。将图片转化为二值图像，需要根据一定的阈值将像素值进行区分，大于阈值的像素点设置为白色，小于阈值的像素点设置为黑色。
代码示例：
立即学习
“
Python免费学习笔记（深入）
”；
四、保存并显示二值化后的图片
最后，我们将处理后的二值化图片保存到本地，并显示出来。
代码示例：
立即学习
“
Python免费学习笔记（深入）
”；
总结:
本文介绍了如何使用Python对图片进行二值化处理。通过读取原始图片、设置二值化阈值、遍历每个像素点，并根据像素值的大小设置像素点的颜色，可以实现将彩色或灰度图像转换为二值图像的效果。这种二值化处理方法可以用于轮廓检测、图像分割、字符识别等许多图像处理应用场景中。希望本文的示例代码能够帮助读者更好地理解和掌握图片二值化处理的方法。
from PIL import Image# 读取原始图片
image = Image.open('original_image.jpg')
# 显示原始图片
image.show()# 设置二值化阈值
threshold = 128
# 获取图片的宽度和高度
width, height = image.size
# 创建一个新的图片对象，用来存储二值化处理后的结果
binary_image = Image.new('1', (width, height))
# 遍历原始图片的每个像素点
for y in range(height):
for x in range(width):
# 获取当前像素点的像素值
pixel = image.getpixel((x, y))
# 判断像素值是否大于阈值，如果大于则设置为白色，否则设置为黑色
if pixel >= threshold:
binary_image.putpixel((x, y), 255)
else:
binary_image.putpixel((x, y), 0)
# 显示二值化处理后的结果
binary_image.show()# 保存二值化图片到本地
binary_image.save('binary_image.jpg')
# 显示二值化图片
binary_image.show()