OpenMV提供了两者阈值设置方案。分别是阈值编译器和直方图的方式选择阈值。
阈值编译器：优点，所寻找到的目标颜色更加合理，其他相似颜色区域的干扰比较小。缺点，调节LAB的最大最小值比较花费时间。
直立方图恰好相反，他很容易找到LAB的最大最小值的大体区间，但是容易收到相似颜色区域的干扰。所以，建议两者配合使用，先用直立方图找到LAB的最大最小值的大体区间，再利用阈值编译器对LAB的最大最小值进行微调。
首先我们使用直立方图：
打开OpenMV IDE软件——>右下角有一个直立方图——>颜色识别中，只需要用到LAB色彩空间。
我们要选择绿茶作为目标对象，只需要在帧缓冲区，拖动鼠标左键即可。根据直方图可知，我们的L最大值选择75，最小值为30。A最大值为0，最小值为-70。B的最大值为70，最小值为-10。（注：这个只需要包含绝大部分就行）
之后进行阈值编译器设置：
左上方工具——>机器视觉——>阈值编译器——>帧缓冲区。可对要判断图像的LAB值进行调整。注意：这个时候OpenMV会截取当前的图片作为LAB值调整。所以我们采用阈值编译器的时候，需要提前将目标识别单位放在OpenMV摄像头之前。再进行如上操作
根据直立方图的值，我们调整LAB最大和最小值，尽可能的让要目标识别对象变成全白色。（注：即使没有全部变成白色也不影响，反正最后会把所有没有被滤除的白色区域变成一个大框）然后复制下方的LAB阈值。
将复制的LAB阈值放到thresholds中。注意：我们看到thresholds有多个值，其实是因为我们在for语句中是使用的[thresholds[threshold_index]]，而threshold_index为0，也就是说，先择我们在识别红色。因为我们的threshold_index=0，所以我们复制的阈值要求放在thresholds第一个位置（# generic_red_thresholds前）。如果threshold_index=1，我们复制的阈值要求放在thresholds第二个位置（# generic_green_thresholds前）。threshold_index=2，同理放在第三个位置。
threshold_index = 0 # 0 for red, 1 for green, 2 for blue thresholds = [(30, 100, 15, 127, 15, 127), # generic_red_thresholds (30, 100, -64, -8, -32, 32), # generic_green_thresholds (0, 30, 0, 64, -128, 0)] # generic_blue_thresholds .....（中间的代码省略） for blob in img.find_blobs([thresholds[threshold_index]], pixels_threshold=200, area_threshold=200, merge=True)
但是OpenMV的官方教程我们能看到他的代码是这样的，其实是一样的。只不过这里的LAB阈值不需要注意这么多。直接更改green_threshold后面的值即可。
green_threshold = ( 0, 80, -70, -10, -0, 30) .....（中间的代码省略） blobs = img.find_blobs([green_threshold])
