答案：使用OpenCV对图像进行全局二值化需先转为灰度图，再调用cv2.threshold设置阈值（如127），将像素分为0和255两类；也可用Otsu方法自动选取阈值，适用于光照均匀、对比度好的图像。
在Python中对图像进行全局二值化，通常使用OpenCV库来实现。全局二值化的意思是设定一个固定阈值，将图像中所有像素根据该阈值划分为黑白两类（0 和 255），适用于光照均匀、对比度较好的图像。
1. 安装依赖库
确保你已安装 OpenCV 和 matplotlib（用于显示图像）：
pip install opencv-python matplotlib2. 图像读取与灰度化
二值化前需将图像转为灰度图：
import cv2import numpy as np
# 读取图像
img = cv2.imread('your_image.jpg')
# 转为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
3. 全局二值化处理
使用 cv2.threshold 函数进行二值化。指定一个阈值（如 127），大于该值的像素设为 255（白色），否则设为 0（黑色）。
立即学习“Python免费学习笔记（深入）”；
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
参数说明：
- gray：输入的灰度图像
- 127：设定的阈值
- 255：超过阈值时赋予的值
- cv2.THRESH_BINARY：二值化类型（黑/白）
- ret：返回实际使用的阈值（在自动计算时有用）
4. 显示结果
使用 matplotlib 显示原图和二值化后的图像：
import matplotlib.pyplot as pltplt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
plt.imshow(gray, cmap='gray')
plt.title('原灰度图')
plt.axis('off')
plt.subplot(1, 2, 2)
plt.imshow(binary, cmap='gray')
plt.title('全局二值化')
plt.axis('off')
plt.show()
5. 自动选择阈值（可选）
若不想手动设定阈值，可用 Otsu 方法 自动确定最优阈值：
ret, binary_otsu = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)print("Otsu 自动阈值:", ret)
这种方法适合前景背景对比明显的图像。
基本上就这些。用 OpenCV 做全局二值化简单高效，关键是选好阈值。手动设置适合已知光照条件的场景，Otsu 更适合自适应处理不同图像。不复杂但容易忽略细节，比如必须先转灰度图。
