import cv2
import matplotlib.pyplot as plt  

# cv2.IMREAD_GRAYSCALE 表示强制读取为单通道灰度图
gray = cv2.imread("bookpage.jpg", cv2.IMREAD_GRAYSCALE)

#  普通全局阈值二值化：一个阈值管整张图，速度最快，但光照不均时效果很差。
# cv2.threshold：全局固定阈值二值化函数
# 参数：灰度图、阈值10、最大值255、二值化模式
# 规则：像素>10 → 255(白)，像素≤10 → 0(黑)
# ignore：接收函数返回的阈值（这里没用所以命名为ignore）
# binary：输出二值化后的图像
ignore, binary = cv2.threshold(gray, 10, 255, cv2.THRESH_BINARY)

# 自适应阈值二值化：把图分成很多小块，每个块自己算阈值，完美解决阴影、反光、亮度不均， 适合书页、文档、文字识别。
binary_adaptive = cv2.adaptiveThreshold(
    gray,            # 输入灰度图
    255,             # 最大值（白色）
    cv2.ADAPTIVE_THRESH_GAUSSIAN_C,  # 阈值计算方式：高斯加权平均
    cv2.THRESH_BINARY,              # 二值化规则
    115,             # 分块大小（必须奇数），图像分成115x115的小区域
    1                # 常量修正值，从计算出的阈值中减去1，微调效果
)

#  OTSU 大津法自动阈值：自动算出全局最佳阈值，适合前景背景区分明显的图（双峰直方图）。
# cv2.THRESH_BINARY + cv2.THRESH_OTSU 组合使用
# 阈值设为0，算法会自动算出最佳阈值并存在ret1中
ret1, binary_otsu = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

plt.figure(figsize=(12, 8))  # 设置窗口大小 宽高 英寸
plt.subplot(221), plt.imshow(gray, cmap="gray"), plt.title("Gray") #2行2列中的第1张图
plt.subplot(222), plt.imshow(binary, cmap="gray"), plt.title("Binary") #cmap=gray，让matplotlib用灰度模式显示图像
plt.subplot(223), plt.imshow(binary_adaptive, cmap="gray"), plt.title("Adaptive")
plt.subplot(224), plt.imshow(binary_otsu, cmap="gray"), plt.title("OTSU")
plt.show()  # 最终显示