机器视觉是如何实现检测黑白颜色的？

随着自动化技术的进一步发展，生产型企业的生产流水线也越来越自动化、智能化。其中，在物料颜色识别、定位和分选过程中，需要通过图像采集和数据可视化分析，有效识别和定位样品的颜色。那机器视觉是如何辨别黑色和白色的呢？
最简单的就是图像的二值化分割方法。二值图像的每个像素只有两个值：纯黑或纯白。

由于二值图像数据足够简单，许多视觉算法都依赖于二值图像。通过二值图像，可以更好地分析物体的形状和轮廓。二值图像也经常被用作原始图像的掩模（又称遮罩、蒙版，Mask)：它就像一张部分镂空的纸，遮盖了我们不感兴趣的区域。进行二值化的方式有很多种，其中阈值法是最常用的一种。

阈值法是指选择一个数字，大于它就视为全白，小于它就视为全黑。根据阈值选取方式的不同，可分为全局阈值和局部阈值。

在机器视觉中，图像一般用矩阵表示。也就是说，无论你的图片看起来有多好吃，对电脑来说都只是一个矩阵。
在这个矩阵中，每个像素都是矩阵中的一个元素。在三通道彩色图像中，该元素是由三个数字组成的元组。
对于单通道灰度图像，这个元素是一个数字。这个数字表示图像在这一点上的亮度。数字越大，像素越亮。在常见的八位单通道颜色空间中，0代表全黑，255代表全白。