图像预处理(灰度、二值化)首先，图像灰度处理图像的灰度是每个像素一个采样彩色的图像，通常，以从最暗的黑色到最亮的白色的灰度显示。
灰度图像与黑白图像不同，在计算机图像领域黑白图像只有黑白两色，一般称为二值图像0or 255，灰度图像在黑白中间有许多水平的色彩深度099Come Come Everybody 255。
在RGB模型中，如果==为yes，则颜色表示灰度颜色。 在此，==的值称为灰度值。
1 .图像灰度方法灰度方法主要有分量法、最大值法、均值法和加权平均法。
平均值法：将彩色图像中三种成分的亮度进行平均，得到灰度。 最大值法：将彩色图像中三分量亮度的最大值作为灰度的灰度值； 色分量法：算法的思想是首先将RGB的各个色分量的值作为原图像的灰度值，由此获得原图像的3个灰度图像，将3个中的1个灰度即RGB的3个色分量的任意一个作为该点的灰度值。 加权平均法：该算法主要根据某些条件，对三个分量按不同权重进行加权平均；
公式如下图所示。
目前，以加权放大的灰度变换为例，对其三个分量按不同的权重进行加权平均，但人眼对绿色最敏感，对蓝色最敏感，因此，对RGB三个分量按下式进行加权平均可以得到合理的灰度图像。
首先，用cv2读取图像，提取其高度、宽度，通过上式对每个通道的每个像素进行加权操作。 使用此表达式的代码是importv2 importnumpyasnpimage=cv2.im read (.(。test1.png ' ) #读取照片像素的美丽鸭子SP=image.shape head NP.uint8(#遍历每个像素)使用加权平均方法进行灰度forinrange(height ) : for内距离(width ) : new[i)、)=0.3*image image，cv2.named window (image ) ) cv2.im show (image )，new ) cv2.cv2.im write ) ) ~~ 33333333333 new ) cv2.waitkey(0)
gray=cv2.cvtcolor(img，cv2.COLOR_BGR2GRAY ) cv2.imread )函数读入图像时，由于读入图像的颜色通道格式为BGR，所以直接使用上述函数但是，使用cv2.imdecode )函数导入图像时，导入的图像格式为RGB，必须使用以下函数转换颜色通道：
cv_img=cv2.im decode (文件路径，cv2.IMREAD_COLOR ) cv_img=cv2.cvtcolor ) cvimg， cv2.colorrg B2B gr cv2.colorbgr2gray (二、图像二值化处理后二值化图像(Binary Image )，是指对于图像上的各个像素只有两种可取的值或灰度状态，是指黑白、BW、单色二值图像是指图像中只有两种灰度级。 也就是说，图像中任何像素点的灰度值都为0或255，分别表示黑色和白色。
使用Opencv附带的函数处理灰度图像，并使用cv.Threshold ()函数进行操作。
在本例中，img_gauss是经过高斯平滑滤波的图像，127和255是用于二值化图像的分割阈值和最大值，即灰度值在12799 Come Come Everybody 255之间的值均设置为1，其馀值设置为0。 二值化图像对车道线的提取比较好，但对天空和白色车辆的提取不太好。
最后cv2.threshbinaryinv对二值化后的图像进行逆操作，得到期望的效果。
返回值ret :暂时设定thresh阈值，binary :认为是二值化的图像
ret，binary=cv2.threshold (imggauss，127，255，cv2.threshbinaryinv ) ) ) ) ) ) )。