使用Python的skimage.util库生成随机二值化图像

skimage库是一个用于图像处理的python库，其中的util模块提供了一些实用的函数和工具，用于图像的预处理和后处理。在util模块中，有一个函数叫做random_noise，可以生成随机噪声图像。在这个函数的基础上，我们可以进行处理，生成随机二值化图像。

首先，我们需要安装skimage库。可以通过pip命令来安装：pip install scikit-image。

下面是一个使用skimage.util.random_noise函数生成随机二值化图像的例子：

import numpy as np
import matplotlib.pyplot as plt
from skimage.util import random_noise

# 创建一个大小为512x512的全黑图像（像素值为0）
image = np.zeros((512, 512))

# 生成随机噪声图像
noisy_image = random_noise(image, mode='salt', amount=0.2)

# 将图像转换为二值化图像
binary_image = np.where(noisy_image > 0.5, 1, 0)

# 显示生成的随机二值化图像
plt.imshow(binary_image, cmap='gray')
plt.axis('off')
plt.show()

在这个例子中，我们先创建了一个大小为512x512的全黑图像。然后，使用random_noise函数生成了一个带有随机噪声的图像。在生成随机噪声图像时，我们使用了mode参数来控制噪声的类型，amount参数来控制噪声的强度。具体可选的噪声类型有'salt'、'pepper'、'salt_pepper'等，amount参数的取值范围是[0, 1]，值越大表示噪声越强烈。

接下来，我们将随机噪声图像转换为二值化图像。使用np.where函数将随机噪声图像中像素值大于0.5的像素设置为1，小于等于0.5的像素设置为0。最后，使用plt.imshow函数和plt.show函数来显示生成的随机二值化图像。

运行上述代码，我们可以看到生成的随机二值化图像。