Wolfram 语言与系统参考资料中心

Binarize

Binarize[image]

从 image 创建一个二值图像，用 1 替换所有超过全局性阈值的值，其它用 0 替换.

Binarize[image,t]

创建一个二值图像，大于 t 的所有值用 1 替换，其它用 0 替换.

Binarize[image,{t₁,t₂}]

创建一个二值图像，t₁ 到 t₂ 范围的值用 1 替换，其它用 0 替换.

Binarize[image,f]

创建一个二值图像，其中 f[v] 为 True 的值用 1 替换，其它用 0 替换.

Binarize

Binarize[image]

从 image 创建一个二值图像，用 1 替换所有超过全局性阈值的值，其它用 0 替换.

Binarize[image,t]

创建一个二值图像，大于 t 的所有值用 1 替换，其它用 0 替换.

Binarize[image,{t₁,t₂}]

创建一个二值图像，t₁ 到 t₂ 范围的值用 1 替换，其它用 0 替换.

Binarize[image,f]

创建一个二值图像，其中 f[v] 为 True 的值用 1 替换，其它用 0 替换.

背景

Binarize 创建图像的二值（二元）版本，其像素值只由 0 和 1 组成. Binarize 增强了对比度且通常被用于特征检测、图像分割、或作为使用其它图像处理函数之前的预处理步骤.
Binarize 在全部前景像素比背景像素有更高强度的值时特别高效. 它是一个像素级（或点级）的运算，这意味着它独立作用于每个像素.
Binarize 实现了强度阈值及其它二元图像分割的方法，它既可以自动计算也可以通过显式指定临界值计算. 使用 Binarize 会移除全部现存的阿尔法通道然后产生一个单通道的图像.
其它更高级的二元图像分割函数有 MorphologicalBinarize、RegionBinarize 及 ChanVeseBinarize.

范例

打开所有单元关闭所有单元

基本范例 (2)

将彩色图像转换为二值图像：

Wolfram Language code: Binarize[[image]]

使用特定的阈值：

Wolfram Language code: Binarize[[image], .6]

范围 (8)

数据 (3)

自动将灰度图二值化：

Wolfram Language code: Binarize[[image]]

自动将彩色图像二值化：

Wolfram Language code: Binarize[[image]]

自动将三维图像二值化：

Wolfram Language code: Binarize[[image]]

参数 (5)

用明确的阈值二值化彩色图像：

Wolfram Language code: Binarize[[image], 0.2]

查找强度在一个给定范围内的像素：

Wolfram Language code: Binarize[[image], {.3, .5}]

阈值为 0 时将所有非零值设为 1：

Wolfram Language code: Binarize[[image], 0]

将所有非白像素设置为黑色：

Wolfram Language code: Binarize[[image], {1, 1}]

找到红色通道大于绿色通道的像素：

Wolfram Language code: Binarize[[image], #[[1]] > #[[2]] + 0.15&]

选项 (6)

Method (6)

使用通过大津法计算得到的阈值：

Wolfram Language code: Binarize[[image], Method -> "Cluster"]

使用 Kittler–Illingworth 最小误差法对从两个高斯分布得到的像素进行分类：

Wolfram Language code:

BlockRandom[RandomSeed[0];
	i1 = RandomImage[NormalDistribution[.25, .1], {200, 100}];
	i2 = RandomImage[NormalDistribution[.7, .05], {50, 50}]];
image = ImageCompose[i1, i2]

Wolfram Language code: Binarize[image, Method -> "MinimumError"]

卡普尔的熵值法：

Wolfram Language code: Binarize[[image], Method -> "Entropy"]

使用平均强度值作为阈值：

Wolfram Language code: Binarize[[image], Method -> "Mean"]

使用中位数强度值作为阈值：

Wolfram Language code: Binarize[[image], Method -> "Median"]

在不同比例下尝试 black fraction 方法：

Wolfram Language code: t = Table[Binarize[[image], Method -> {"BlackFraction", b}], {b, {.1, .3, .5, .7}}]

由于量化的原因，黑色像素的实际比例可能会略有不同：

Wolfram Language code: With[{fractions = ImageLevels[#][[All, 2]]}, First[fractions] / Total[fractions]]& /@ t//N

应用 (4)

利用给定的黑色比例，对一个梯度图像进行二值化处理，以找到最强边：

Wolfram Language code: Binarize[GradientFilter[[image], 1], Method -> {"BlackFraction", .8}]

创建一个阿尔法通道：

Wolfram Language code: image = [image];

使用 Binarize 获得高强度像素：

Wolfram Language code: α = Binarize[image, 2 / 3]

除去小块，并作为掩膜使用：

Wolfram Language code: SetAlphaChannel[image, DeleteSmallComponents[α]]

分割图像中的对象：

Wolfram Language code: objects = Binarize[[image], {0, .5}]

计算各部分的质心：

Wolfram Language code: ComponentMeasurements[objects, "Centroid"]

分割图像中特定颜色的分量：

Wolfram Language code: Table[Tooltip[Binarize[[image], Norm[# - List@@color] < .5&], color], {color, {Red, Lighter[Green, .2], Yellow}}]

属性和关系 (8)

对于所有图像数据类型，指定阈值的解释是相同的：

Wolfram Language code: Binarize[Image[{{0, 1, 253, 255, 252}}, "Byte"], 252 / 255]

Wolfram Language code: Binarize[Image[{{0, 1, 253, 255, 252}} / 255., "Real"], 252 / 255]

对于彩色图像，阈值化在强度值上进行：

Wolfram Language code: rgb = [image];

Wolfram Language code: Binarize[rgb, .25] == Binarize[ColorConvert[rgb, "Grayscale"], .25]

对于 ColorSpace->Automatic 的多通道图像，使用通道值的均值：

Wolfram Language code:

multi = Image[{{{0, 0, 0}, {0, 0, 255}, {0, 255, 0}, {0, 255, 255}, {255, 0, 0}, {255, 0, 255}, {255, 255, 0}, {255, 255, 255}}}, "Byte", ColorSpace -> Automatic, ImageSize -> 200]

Wolfram Language code: Binarize[multi, {.25, .45}]

Wolfram Language code: ImageApply[If[.25 ≤ Mean[#] ≤ .45, 1, 0]&, multi]

在 Binarize[image,f] 中，像素值传递给 f，而与 image 的色彩空间无关：

Wolfram Language code:

data = {{{0, 0, 0}, {0, 0, 1}, {0, 1, 0}, {0, 1, 1}, {1, 0, 0}, {1, 0, 1}, {1, 1, 0}}};
images = Image[data, ImageSize -> 150, ColorSpace -> #]& /@ {"RGB", "HSB"}

Wolfram Language code:

f[pixel_] := TrueQ[.25 ≤ Mean[pixel] ≤ .45];
Binarize[#, f]& /@ images

如果阈值和 Method 选择均有指定，则 Method 设置将被忽略：

Wolfram Language code: i = [image];

Wolfram Language code: Binarize[i, {0, 0}, Method -> "Mean"]

Wolfram Language code: {Binarize[i, {0, 0}], Binarize[i, Method -> "Mean"]}

Binarize 作用于像素值，与像素的位置和像素的近邻无关：

Wolfram Language code: image = [image];

Wolfram Language code: Binarize[image, .6]

使用 MorphologicalBinarize，与较亮像素连接的较暗像素也设置为 1：

Wolfram Language code: MorphologicalBinarize[image, {.5, .6}]

ChanVeseBinarize 可以找到一致颜色区域周围的最优轮廓：

Wolfram Language code: image = [image];

Wolfram Language code: {Binarize[image, 2 / 3], ChanVeseBinarize[image, "TargetColor" -> Yellow]}

使用 ImageApply 执行强度阈值化：

Wolfram Language code: ImageApply[Boole[# > 0.5]&, [image]]

可能存在的问题 (1)

返回 0 和 1 的函数不能被用作一个有效的阈值函数：

Wolfram Language code: image = [image];

Wolfram Language code: Binarize[image, Function[pixel, If[pixel > .5, 1, 0]]]

当且仅当函数返回 True 时，输出像素是白色的：

Wolfram Language code: Binarize[image, Function[pixel, pixel > .5]]

互动范例 (1)

交互式比较不同的 Method 设置：

Wolfram Language code:

i = [image];
TabView[(If[Head[#] === List, First[#], #] -> Row[{Binarize[i, Method -> #], "  ", ImageHistogram[i, ...]}]&) /@ {{"BlackFraction", 0.33}, "Cluster", "Entropy", "Mean", "Median", "MinimumError"}]

Top

	{"BlackFraction",b}	用黑色替换占比为 b 的像素
	"Cluster"	集群方差最大化（大津算法）
	"Entropy"	直方图熵最小化（卡普尔方法）
	"Mean"	使用平均水平作为阈值
	"Median"	使用中位数像素水平作为阈值
	"MinimumError"	Kittler–Illingworth 最小误差阈值法

更多学习资源

技术支持

Wolfram 解决方案

Wolfram 的教育解决方案

开始

提高你的技能

与我们合作

成人教育计划

青少年教育计划

欢迎阅读

Binarize

更多信息和选项

背景

范例

基本范例 (2)

范围 (8)

数据 (3)

参数 (5)

选项 (6)

Method (6)

应用 (4)

属性和关系 (8)

可能存在的问题 (1)

互动范例 (1)

文本

CMS

APA

BibTeX

BibLaTeX

Binarize

更多信息和选项

背景

范例

基本范例 (2)

范围 (8)

数据 (3)

参数 (5)

选项 (6)

Method (6)

应用 (4)

属性和关系 (8)

可能存在的问题 (1)

互动范例 (1)

参见

技术笔记

相关指南

相关链接

历史

文本

CMS

APA

BibTeX

BibLaTeX