什么是阈值处理
阈值处理是剔除原图像中像素高于或者低于一定值的像素点。例如将一个灰度图像中大于200的像素点统一设置为255，这个就是阈值处理。或者说将所有低于200的像素点设置为0，也可以叫做阈值处理，两者结合处理后，图像就变为二值图像了。
threshold
在OpenCV中，我们使用cv2.threshold()函数进行阈值处理，它的定义如下所示：
def threshold(src, thresh, maxval, type, dst=None):
src：需要进行阈值处理的原始图像
thresh：需要设定的阈值
maxval：当type为THRESH_BINARY或者THRESH_BINARY_INV类型时，需要设定的最大值。
type：阈值的类型，如下表所示。
| 类型 | 含义 |
| cv2.THRESH_BINARY |
|
| cv2.THRESH_BINARY_INV |
|
cv2.THRESH_TRUNC |
|
| cv2.THRESH_TOZERO_INV |
|
| cv2.THRESH_TOZERO |
|
| cv2.THRESH_MASK | 掩码 |
| cv2.THRESH_OTSU | 标记，使用Otsu算法时的可选阈值参数 |
| cv2.THRESH_TRIANGLE | 标记，使用Triangle算法时的可选阈值参数 |
二值化阈值处理（cv2.THRESH_BINARY）
顾名思义，二值化阈值处理，会将原始图像变更为仅有2个值的二值图像，也就是cv2.THRESH_BINARY。
下面，我们用代码来实现二值化阈值处理，具体代码如下所示：
import cv2 img = cv2.imread("4.jpg", 0) t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) cv2.imshow("img", img) cv2.imshow("result_img", result_img) cv2.waitKey() cv2.destroyAllWindows()
运行之后，效果如下所示：
可以看到通过二值化阈值处理，我们的图像有点像素描画的效果。
反二值化阈值处理（cv2.THRESH_BINARY_INV）
反二值化阈值处理的结果也是仅有两个值的二值图像，与二值化的区别在于，就是将其大于赋值255，小于赋值0颠倒过来。
修改代码，我们看看运行的效果：
import cv2 img = cv2.imread("4.jpg", 0) t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV) cv2.imshow("img", img) cv2.imshow("result_img", result_img) cv2.waitKey() cv2.destroyAllWindows()
截断阈值化处理（cv2.THRESH_TRUNC）
截断阈值化处理会将原图像中大于阈值的像素点的值设定为阈值，小于或等于像素点的值保持不变。也就是上面的将大于127像素的灰度图像全部更改为127，低于或等于127的保持不变。
import cv2 img = cv2.imread("4.jpg", 0) t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC) cv2.imshow("img", img) cv2.imshow("result_img", result_img) cv2.waitKey() cv2.destroyAllWindows()
运行之后，得到的效果如下所示：
可以理解为比二值化更纯粹的素描。
超阈值零处理（cv2.THRESH_TOZERO_INV）
超阈值零处理会将图像中大于阈值的像素点的值处理为0，小于或等于阈值的像素点保持不变。也就是将大于127的处理为0，小于等于127的保持不变。
import cv2 img = cv2.imread("4.jpg", 0) t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV) cv2.imshow("img", img) cv2.imshow("result_img", result_img) cv2.waitKey() cv2.destroyAllWindows()
运行之后，效果如下：
低阈值零处理（cv2.THRESH_TOZERO）
低阈值零处理是将图像中小于或等于阈值的像素点处理为0，大于阈值的像素点保持不变。也就是小于等于127的全部赋值为0，大于127的保持不变。
import cv2 img = cv2.imread("4.jpg", 0) t, result_img = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO) cv2.imshow("img", img) cv2.imshow("result_img", result_img) cv2.waitKey() cv2.destroyAllWindows()
运行之后，效果如下所示：
