如何安全地将含中间值的类二值图像转换为[0,1]范围的二值掩码？

这种情况我经常遇到——看似是二值图，实则因为压缩、抗锯齿或者扫描时的误差，出现了一堆过渡灰度值。要转成干净的[0,1]二值掩码，有几个安全且靠谱的方法，我给你梳理一下：

如果能确定一个明确的分界值（比如你给出的像素值里，127刚好是中间点），直接用固定阈值把像素分成两类。用OpenCV实现的代码很简洁：

import cv2
import numpy as np

# 读取图像（保留原始通道）
img = cv2.imread("myImage.png", cv2.IMREAD_UNCHANGED)

# 处理多通道情况（比如带alpha通道的图），先转灰度；单通道直接使用
img_gray = img if len(img.shape) == 2 else cv2.cvtColor(img, cv2.COLOR_BGRA2GRAY)

# 固定阈值分割：大于127的像素设为255，否则为0
_, binary_img = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)

# 转换成[0,1]范围的掩码
binary_mask = binary_img / 255.0

如果需要整数类型的0/1掩码，把最后一行改成 binary_mask = (binary_img > 0).astype(np.uint8) 即可。

如果不确定阈值，Otsu算法会自动分析图像的灰度直方图，找到最优的分界阈值——尤其适合像你这种灰度值明显分成低、高两组的图像。代码只需要调整阈值参数：

import cv2
import numpy as np

img = cv2.imread("myImage.png", cv2.IMREAD_UNCHANGED)
img_gray = img if len(img.shape) == 2 else cv2.cvtColor(img, cv2.COLOR_BGRA2GRAY)

# Otsu自动阈值：无需手动设阈值，算法会自动计算最优分界
_, binary_img = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 转[0,1]掩码
binary_mask = binary_img / 255.0

这个方法不需要人工干预，几乎不会出错，是我处理这类问题的首选方案。

如果你更熟悉Pillow，也可以用它的工具快速处理：

from PIL import Image, ImageOps
import numpy as np

# 读取图像
img = Image.open("myImage.png")
# 转灰度图
img_gray = img.convert("L")
# 自动阈值分割（Pillow会自动计算最优分界）
binary_img = ImageOps.threshold(img_gray)
# 转成[0,1]范围的numpy数组掩码
binary_mask = np.array(binary_img) / 255.0

要是想手动指定阈值，也可以用point方法：

# 手动设置阈值127，大于的设为255，否则为0
binary_img = img_gray.point(lambda x: 255 if x > 127 else 0)
binary_mask = np.array(binary_img) / 255.0

• 如果图像带alpha通道（透明背景），处理前可以优先提取灰度通道，避免透明区域干扰阈值计算；
• 最终的binary_mask如果需要用于后续的掩码运算，转成uint8类型的0/1整数会更方便，用binary_mask.astype(np.uint8)即可。

内容的提问来源于stack exchange，提问作者singa1994