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向着自动化、智能化的方向发展。其中，在进行物料颜色识别定位分拣时，需要视觉进行图像采集、数据分析等实现对样品的颜色有效辨别和定位。那么我就来说说机器视觉是如何实现辨别黑白的。
最简单的就是图像分割方法的二值化(Binarization)。二值图像每个像素只有两种取值：要么纯黑，要么纯白。
由于二值图像数据足够简单，许多视觉算法都依赖二值图像。通过二值图像，能更好地分析物体的形状和轮廓。二值图像也常常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，把我们不感兴趣的区域遮掉。进行二值化有多种方式，其中最常用的就是采用阈值法(Thresholding)进行二值化。
在计算机视觉里，一般用矩阵来表示图像。也就是说，无论你的图片看上去多么好吃，对计算机来说都不过是个矩阵而已。
在这个矩阵里，每一个像素就是矩阵中的一个元素。在三通道的彩色图像中，这个元素是由三个数字组成的元组。
而对于单通道的灰度图像来说，这个元素就是一个数字。这个数字代表了图像在这个点的亮度，数字越大像素点也就越亮，在常见的八位单通道色彩空间中，0代表全黑，255代表全白。
阈值法是指选取一个数字，大于它就视为全白，小于它就视为全黑。就像教室里的灯管开关，我们轻轻地推动它，如果突然间超过了某个阈值，灯就啪的一声亮了。根据阈值选取方式的不同，可以分为全局阈值和局部阈值。