超大图像的二值化方法
1.可以采用分块方法，
⒉.先缩放处理就行二值化，然后还原大小

全局阈值的方法

def big_image_binary(image):
    print(image.shape)
    #每个小块多大，多宽
    cw = 256
    ch = 256
    h,w = image.shape[:2]
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    for row in range(0,h,ch):#从0开始，到h结束，步长ch   将一张图片每隔ch * cw分成一份
        for col in range(0,w,cw):
            roi = gray[row:row+ch,col:col+cw]
            ret,dst = cv.threshold(roi,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)# 首先是返回的阈值 要返回ret
            gray[row:row + ch, col:col + cw]=dst
            print(np.std(dst),np.mean(dst))# 均值，方差
    cv.imwrite("C:/Users/tzt/Desktop/opencv-python/result_binary.jpg",gray)

最后的图像

全局阈值的方法

局部阈值的方法 很好哈哈哈！！！

def big_image_binary(image):
    print(image.shape)
    #每个小块多大，多宽
    cw = 256
    ch = 256
    h,w = image.shape[:2]
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    for row in range(0,h,ch):#从0开始，到h结束，步长ch
        for col in range(0,w,cw):
            roi = gray[row:row+ch,col:col+cw]
            dst = cv.adaptiveThreshold(roi,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,127,10)# Block Size -127 邻域大小（用来计算阈值的区域大小）。C - 10这就是是一个常数，阈值就等于的平均值或者加权平均值减去这个常数。大于该值时才会变白色或黑色
            gray[row:row + ch, col:col + cw]=dst
            print(np.std(dst),np.mean(dst))# 均值，方差
    cv.imwrite("C:/Users/tzt/Desktop/opencv-python/result_binary1.jpg",gray)

局部阈值的方法