专业接各种小工具软件及爬虫软件开发，联系Q：2391047879

Python小工具资源库 > 小工具 >

图像灰度化-二值化处理工具（PIL库实现）

发布时间: 2025-09-01 09:00:02 浏览量: 本文共包含781个文字，预计阅读时间2分钟

在数字图像处理领域，灰度化与二值化是两项基础但关键的技术。通过Python的PIL库（Python Imaging Library，现为Pillow），开发者能够快速实现这两种操作，从而为后续的图像分析、OC字识别等任务提供预处理支持。本文将以代码实践为主线，探讨如何利用PIL库完成图像的灰度化与二值化处理。

灰度化处理：从彩色到单色

灰度化的核心逻辑是将彩色图像的RGB三通道信息转换为单一的亮度值。常见的灰度化方法包括平均值法（取RGB三通道均值）或加权法（赋予不同通道不同权重）。PIL库的`convert('L')`方法默认采用ITU-R 601-2标准，其公式为：`L = R 299/1000 + G 587/1000 + B 114/1000`，更符合人眼对绿色的敏感度。

```python

from PIL import Image

读取图像并灰度化

image = Image.open('input.jpg')

gray_image = image.convert('L')

gray_image.save('gray_output.jpg')

```

此方法能有效降低数据维度，同时保留图像的主要特征。例如，在人脸检测任务中，灰度化可减少计算量，且避免颜色信息对模型训练的干扰。

二值化处理：简化图像信息

二值化通过设定阈值将灰度图像转换为黑白图像，仅保留0（黑）和255（白）两种像素值。阈值的选取直接影响效果：全局阈值适用于光照均匀的场景，而局部自适应阈值（如Otsu算法）更适合复杂光照条件。PIL库虽未内置自适应阈值方法，但可通过遍历像素手动实现。

```python

全局阈值二值化示例

threshold = 128

binary_image = gray_image.point(lambda x: 255 if x > threshold else 0)

binary_image.save('binary_output.jpg')

```

若需优化阈值，可结合图像直方图分析波谷位置，或引入OpenCV的`threshold`函数扩展功能。例如，文档扫描场景中，二值化能有效消除纸张背景噪点，提升文字边缘清晰度。

实战案例：票据信息提取

假设需从彩色票据中提取文字，典型流程如下：

1. 灰度化：降低颜色干扰，突显文字区域。

2. 二值化：固定阈值分割文字与背景，例如设定阈值为200。

3. 降噪处理：通过形态学操作（需结合其他库）去除孤立噪点。

```python

完整流程代码

image = Image.open('invoice.jpg').convert('L')

binary = image.point(lambda x: 255 if x > 200 else 0)

binary.save('invoice_binary.jpg')

```

应用场景延伸

1. OCR预处理：多数OCR引擎要求输入为高对比度的二值图像。

2. 图像分割：二值化可用于分离前景与背景，如医学影像中的病灶标注。

3. 数据压缩：二值图像存储空间仅为灰度图像的1/8，适用于嵌入式设备。