如何用Python将图像像素值处理为仅0或255？（附卫星掩码图像）

针对掩码数据集存在非0/255像素值的问题，以下提供几种实用的Python处理方案，解决阈值处理效果不佳的问题：

方法1：基于像素值范围的手动二值化（适用于已知有效区间） #

如果能明确前景像素的大致范围，直接通过区间判断转换比单一阈值更可靠：

import cv2
import numpy as np

# 读取灰度掩码图像（彩色图先转灰度）
mask = cv2.imread('satellite_mask.jpg', cv2.IMREAD_GRAYSCALE)

# 查看原图像所有像素值，辅助确定区间（可选）
print("原掩码像素值：", np.unique(mask))

# 定义前景像素的范围（根据实际数据调整）
lower_bound = 80
upper_bound = 255

# 生成二值掩码：区间内设为255，其余为0
binary_mask = np.where((mask >= lower_bound) & (mask <= upper_bound), 255, 0)

# 保存处理后的掩码
cv2.imwrite('binary_mask.jpg', binary_mask.astype(np.uint8))

方法2：K-means聚类自动区分前景背景（适用于未知像素区间） #

如果不清楚前景像素范围，用聚类自动将像素分为背景、前景两类，再映射为0和255：

import cv2
import numpy as np

# 读取灰度掩码图像
mask = cv2.imread('satellite_mask.jpg', cv2.IMREAD_GRAYSCALE)
# 转换为K-means所需的二维格式
pixel_data = mask.reshape((-1, 1)).astype(np.float32)

# K-means聚类参数：分2类，迭代100次
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.2)
_, labels, centers = cv2.kmeans(pixel_data, 2, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)

# 映射聚类结果为0/255
centers = np.uint8(centers)
clustered_mask = centers[labels.flatten()].reshape(mask.shape)
# 按亮度区分背景（暗）和前景（亮）
binary_mask = np.where(clustered_mask == centers.min(), 0, 255)

# 保存结果
cv2.imwrite('binary_mask.jpg', binary_mask.astype(np.uint8))

方法3：基于PIL库的轻量处理 #

习惯用PIL的话，可参考以下代码：

from PIL import Image
import numpy as np

# 读取并转为灰度图
mask = Image.open('satellite_mask.jpg').convert('L')
mask_np = np.array(mask)

# 区间判断生成二值掩码
binary_mask_np = np.where(mask_np >= 80, 255, 0)
binary_mask = Image.fromarray(binary_mask_np.astype(np.uint8))

# 保存
binary_mask.save('binary_mask.jpg')

注意事项 #

• 先通过np.unique(mask)查看原掩码的所有像素值，能更精准设置阈值区间；
• 若原掩码是彩色图，需先转为灰度图，或针对每个通道单独处理后合并。

内容的提问来源于stack exchange，提问作者Bishal Rijal