1.图像二值化常用方法原理介绍

图像二值化是图像分析与处理中最常见最重要的处理手段，二值处理方法也非常多。越精准的方法计算量也越大。

1.1基于RGB色彩空间

（主要是阈值的选取）
方法一：该方法非常简单，对RGB彩色图像灰度化以后，扫描图像的每个像素值，值小于127的将像素值设为0(黑色)，值大于等于127的像素值设为255(白色)。该方法的好处是计算量少速度快。缺点更多首先阈值为127没有任何理由可以解释，其次没有考虑图像的像素分布情况与像素值特征，受光照影响较大。

方法二：计算像素的平均值K，扫描图像的每个像素值如像素值大于K像素值设为255(白色)，值小于等于K像素值设为0(黑色)。缺点，可能导致部分对象像素或者背景像素丢失。二值化结果不能真实反映源图像信息。

方法三：使用直方图来寻找二值化阈值，选择二值化阈值主要是通过统计像素值发现图像的两个最高的峰，然后在阈值取值在两个峰之间的峰谷最低处。

方法四：使用近似一维Means方法寻找二值化阈值，该方法的大致步骤如下：
1. 一个初始化阈值T，可以自己设置或者根据随机方法生成。
2. 根据阈值图每个像素数据P(n,m)分为对象像素数据G1与背景像素数据G2。(n为行，m为列)
3. G1的平均值是m1, G2的平均值是m2
4. 一个新的阈值T’ = (m1 + m2)/2
5. 回到第二步，用新的阈值继续分像素数据为对象与北京像素数据，继续2～4步，直到计算出来的新阈值等于上一次阈值
例如：opencv中Thresholding（）函数