影像二值化（Image Thresholding）是一種將灰階影像轉換為黑白影像的技術，常用於分離前景與背景，便於後續影像分析或物體偵測。

📌 二值化的基本原理

核心原理是設定閾值（threshold）：
- 大於閾值的像素設為白色（255）
- 小於閾值的像素設為黑色（0）

常見方法包括：

1. 固定閾值（Simple Threshold）
2. 自適應閾值（Adaptive Threshold）
3. Otsu 自動閾值法（Otsu Thresholding）

🖼 測試圖片準備

請準備一張灰階圖片 image.jpg，並放在程式同一資料夾。

import cv2


img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
cv2.imshow('Original', img)

# 將以下程式碼放在所有顯示語句的最後面
cv2.waitKey()
cv2.destroyAllWindows()

🔹 1. 固定閾值 (Simple Threshold)

使用 cv2.threshold() 設定固定閾值進行二值化。

# 固定閾值 127
ret, thresh_simple = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('Simple Threshold', thresh_simple)

📌 參數說明

cv2.threshold(src, thresh, maxval, type)

• src → 輸入灰階影像
• thresh → 閾值數值
• maxval → 高於閾值後設置的像素值（通常 255）
• type → 閾值類型，例如 cv2.THRESH_BINARY, cv2.THRESH_BINARY_INV

效果示意：可獲得黑白分明的二值影像

🔹 2. 自適應閾值 (Adaptive Threshold)

對於光照不均的影像，固定閾值容易失效，自適應閾值可根據鄰域自動計算閾值。

# 自適應閾值 - 高斯方法
thresh_adapt = cv2.adaptiveThreshold(img, 255,
    cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
    cv2.THRESH_BINARY, 11, 2)
cv2.imshow('Adaptive Threshold', thresh_adapt)

📌 參數說明

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

• maxValue → 超過閾值時的像素值
• adaptiveMethod → cv2.ADAPTIVE_THRESH_MEAN_C / cv2.ADAPTIVE_THRESH_GAUSSIAN_C
• thresholdType → cv2.THRESH_BINARY / cv2.THRESH_BINARY_INV
• blockSize → 鄰域大小，必須為奇數
• C → 從平均值或加權平均減去的常數

效果示意：即使光照不均，仍能得到清晰的二值化影像

🔹 3. Otsu 自動閾值法

Otsu 方法會自動計算最佳閾值，使類內方差最小化，提升分割效果。

ret2, thresh_otsu = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
cv2.imshow('Otsu Threshold', thresh_otsu)

📌 參數說明

• 閾值設為 0，OpenCV 會自動計算
• cv2.THRESH_BINARY+cv2.THRESH_OTSU → 啟用 Otsu 方法

效果示意：可自動選擇最佳閾值，分離前景與背景

📊 方法比較

📖 今日結語

影像二值化是圖像處理與分析的基礎技術，廣泛應用於文字分割、物體檢測、邊緣提取等場景。選擇合適的方法並調整參數，可有效分離前景與背景，提升後續處理的精度。