在图像处理中，有时无需对整张图像二值化，仅针对感兴趣区域（ROI）做局部二值化即可满足需求。本文通过极简代码，演示 OpenCV 实现图像局部区域二值化的核心方法，新手可直接复用。

核心代码实现

import cv2 as cv
# 1. 以灰度模式读取图像（参数0）
src = cv.imread("./image/4.bmp", 0)
if src is None:
    print('could not load image')
    exit()
# 2. 调整原始图像窗口大小并显示
cv.namedWindow('src', cv.WINDOW_NORMAL)
cv.resizeWindow("src", 400, 600)
cv.imshow("src", src)
# 3. 选取ROI区域（行：700-1000，列：500-2000）
face = src[700:1000, 500:2000]
# 4. 对ROI区域做固定阈值二值化
ret, binary = cv.threshold(face, 110, 255, cv.THRESH_BINARY)
# 5. 将二值化后的ROI替换回原图
src[700:1000, 500:2000] = binary
# 6. 调整结果窗口大小并显示
cv.namedWindow('outimage', cv.WINDOW_NORMAL)
cv.resizeWindow('outimage', 400, 600)
cv.imshow('outimage', src)
# 7. 等待按键释放资源
cv.waitKey(0)
cv.destroyAllWindows()

关键知识点解析

1. 灰度读取优化：cv.imread参数设为 0，直接读取灰度图，省去cvtColor转灰度步骤，简化代码；
2. ROI 选取规则：src[y1:y2, x1:x2]，需注意行（y）在前、列（x）在后，且坐标需在图像尺寸范围内；
3. 窗口自适应：WINDOW_NORMAL + resizeWindow 解决高分辨率图像显示不全问题，适配不同屏幕；
4. 局部替换逻辑：将二值化后的 ROI 区域重新赋值给原图对应位置，实现 “局部处理、整体保留”。

调优与扩展技巧

• 阈值调整：110 为自定义阈值，可根据图像明暗调整（值越高，局部黑色区域越多）；
• 二值化模式：替换cv.THRESH_BINARY为cv.THRESH_BINARY_INV可实现局部黑白反转；
• ROI 适配：修改700:1000, 500:2000为目标区域坐标，即可适配不同场景的局部处理。