机器视觉检测中，二值化的含义以及阈值
一、二值化的含义
- 核心定义：
二值化是一种图像处理技术，其目的是将一张灰度图像（每个像素点的亮度值在0-255之间）转换为一张二值图像（每个像素点的值非黑即白，只有0和255，或者0和1）。 - 形象比喻：
想象一张黑白照片，它有丰富的灰色层次（深灰、浅灰等）。二值化就像用一支只有黑色和白色墨水的笔，重新描画这张照片。规则是：比某个特定灰色（阈值）深的区域全部涂成黑色，比它浅的区域全部涂成白色。最终，你得到一张只有纯粹黑色和白色的、没有灰色过渡的图像。 - 目的与作用：
简化图像： 将256个灰度级简化为2个，极大地减少了数据量，简化了后续的分析。
目标与背景分离： 这是二值化最重要的作用。通过设定合适的阈值，可以将我们感兴趣的“目标”（如产品上的字符、零件的边缘、缺陷区域）与“背景”清晰地分离开来。
为后续处理做准备： 二值化后的图像是许多高级视觉算法的基础，如：
轮廓查找
形状分析
Blob分析（斑点分析）
几何尺寸测量（如面积、周长、圆心）
二、阈值
阈值是二值化操作的“尺子”或“分水岭”，是执行二值化的核心参数。 - 定义：
阈值是一个预先设定的灰度值，用于与图像中每一个像素的灰度值进行比较，并根据比较结果决定该像素在二值化后是变成黑色还是白色。 - 基本公式：
最常用的二值化方法（全局阈值）可以用以下公式表示：
其中：
src(x, y)是原图中像