OpenCV中的阈值(threshold)函数： threshold 的运用。

为了从一副图像中提取出我们需要的部分，应该用图像中的每一个像素点的灰度值与选取的阈值进行比较，并作出相应的判断。（注意：阈值的选取依赖于具体的问题。即：物体在不同的图像中有可能会有不同的灰度值。

一旦找到了需要分割的物体的像素点，我们可以对这些像素点设定一些特定的值来表示。（例如：可以将该物体的像素点的灰度值设定为：‘0’（黑色）,其他的像素点的灰度值为：‘255’（白色）；当然像素点的灰度值可以任意，但最好设定的两种颜色对比度较强，方便观察结果）。

一、阈值化类型

有5种阈值化类型。该图中的蓝色水平线代表着具体的一个阈值。

阈值类型1：二进制阈值化（cv2.THRESH_BINARY）
在运用该阈值类型的时候，先要选定一个特定的阈值量，比如：125，这样，新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于125的像素点的灰度值设定为0。

阈值类型2：反二进制阈值化（cv2.THRESH_BINARY_INV）
该阈值化与二进制阈值化相似，先选定一个特定的灰度值作为阈值，不过最后的设定值相反。（在8位灰度图中，例如大于阈值的设定为0，而小于该阈值的设定为255）。

阈值类型3：截断阈值化（cv2.THRESH_TRUNC）
同样首先需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。（例如：阈值选取为125，那小于125的阈值不改变，大于125的灰度值（230）的像素点就设定为该阈值）。

阈值类型4：阈值化为0（cv2.THRESH_TOZERO）
先选定一个阈值，然后对图像做如下处理：1 像素点的灰度值大于该阈值的不进行任何改变；2 像素点的灰度值小于该阈值的，其灰度值全部变为0。

阈值类型5：反阈值化为0（cv2.THRESH_TOZERO_INV）
原理类似于0阈值，但是在对图像做处理的时候相反，即：像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

二、threshold函数说明

retval, dst = cv2.threshold( src, thresh, maxval, type[, dst] )

• retval：返回计算后的阈值
• src：原图像，单通道矩阵，CV_8U&CV_32F
• dst：结果图像
• thresh：当前阈值
• maxVal：最大阈值，一般为255
• thresholdType:阈值类型

示例：
二进制阈值化和反二进制阈值化

import cv2

img1 = cv2.imread("./1-gray.bmp", cv2.IMREAD_UNCHANGED)

t1, img2 = cv2.threshold(img1, 127, 255, cv2.THRESH_BINARY)
t2, img3 = cv2.threshold(img1, 127, 255, cv2.THRESH_BINARY_INV)

print(t1)
print(t2)
cv2.imshow("img-1", img1)
cv2.imshow("img-2", img2)
cv2.imshow("img-3", img3)

cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

E:\python\opencv\venv\Scripts\python.exe E:\python\opencv\main.py 
127.0
127.0

阈值化为0和反阈值化为0

import cv2

img1 = cv2.imread("./1-gray.bmp", cv2.IMREAD_UNCHANGED)

t1, img2 = cv2.threshold(img1, 127, 255, cv2.THRESH_TOZERO)
t2, img3 = cv2.threshold(img1, 127, 255, cv2.THRESH_TOZERO_INV)

print(t1)
print(t2)
cv2.imshow("img-1", img1)
cv2.imshow("img-2", img2)
cv2.imshow("img-3", img3)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

运行结果：

E:\python\opencv\venv\Scripts\python.exe E:\python\opencv\main.py 
127.0
127.0

截断阈值化

import cv2

img1 = cv2.imread("./1-gray.bmp", cv2.IMREAD_UNCHANGED)

t1, img2 = cv2.threshold(img1, 127, 255, cv2.THRESH_TRUNC)

print(t1)
cv2.imshow("img-1", img1)
cv2.imshow("img-2", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()