如何使用Pillow按照指定阈值对图像进行二值化处理？

你找到的第二种方法的逻辑说明 #

你贴的代码是Pillow针对单通道灰度图的二值化实现，各部分含义如下：

• Image.point()是Pillow提供的批量像素处理方法，会将传入的函数作用在图像的每一个像素值上，运行效率远高于手动遍历像素
• threshold = 100是你设定的灰度阈值，取值范围0-255，数值越高，二值化后被判定为白色的区域越少
• 匿名函数lambda p: p > threshold and 255利用了Python的短路求值特性：
  当像素值p大于阈值时，p > threshold为真，就会返回and后面的255（对应白色）；
  当像素值p小于等于阈值时，p > threshold为假，直接返回假值对应的数值0（对应黑色），等价于更易读的写法lambda p: 255 if p > threshold else 0

注意：该方法仅对灰度图的单通道值做判断，如果直接用于RGB彩图，会分别处理三个通道，无法满足你「RGB任意通道小于阈值就转为黑色」的需求。

符合你的规则的高效实现方案 #

你的需求是只要RGB三个通道的任意一个值≤阈值t，就将像素设为黑色，否则设为白色，以下两种方案都可以高效实现，不需要手动遍历像素：

方案1：搭配numpy实现（效率最高） #

from PIL import Image
import numpy as np

# 可根据实际效果调整阈值
threshold = 100
# 读取图像并转为RGB模式，自动丢弃透明通道
img = Image.open("convert_image.png").convert("RGB")
# 转为numpy数组做批量向量运算
img_arr = np.array(img)
# 标记三个通道值都大于阈值的位置
all_channel_over_threshold = (img_arr > threshold).all(axis=-1)
# 赋值：不满足条件的设为黑色，满足的设为白色
img_arr[~all_channel_over_threshold] = [0, 0, 0]
img_arr[all_channel_over_threshold] = [255, 255, 255]
# 转回PIL图像并保存
binary_img = Image.fromarray(img_arr)
binary_img.save("binary_output.png")

方案2：仅用Pillow原生接口实现（无需额外依赖） #

from PIL import Image, ImageChops

threshold = 100
img = Image.open("convert_image.png").convert("RGB")
# 拆分RGB三个通道
r, g, b = img.split()
# 分别对三个通道做二值化判断
mask_r = r.point(lambda x: 255 if x > threshold else 0)
mask_g = g.point(lambda x: 255 if x > threshold else 0)
mask_b = b.point(lambda x: 255 if x > threshold else 0)
# 取三个通道的交集：只有三个通道都大于阈值的位置才保留为白色
final_mask = ImageChops.logical_and(ImageChops.logical_and(mask_r, mask_g), mask_b)
# 生成最终二值图
binary_img = Image.new("1", img.size, 0)
binary_img.paste(255, mask=final_mask)
binary_img.save("binary_output.png")

两种方案都可以处理浅黄色这类浅色区域，不会出现第一种convert('1')方法的抖动问题，完全匹配你要求的判断规则。 #

内容的提问来源于stack exchange，提问作者Neil