本文分享内容来自图书《学习OpenCV 4：基于Python的算法实战》，该书内容如下：
第1章 OpenCV快速入门；
第2章 图像读写模块imgcodecs；
第3章 核心库模块core；
第4章 图像处理模块imgproc（一）；
第5章 图像处理模块imgproc（二）；
第6章 可视化模块highgui；
第7章 视频处理模块videoio；
第8章 视频分析模块video；
第9章 照片处理模块photo；
第10章 2D特征模块features2d；
第11章 相机标定与三维重建模块calib3d；
第12章 传统目标检测模块objdetect；
第13章 机器学习模块ml；
第14章 深度神经网络模块dnn
欢迎关注图书《深度学习计算机视觉实战》与《学习OpenCV4：基于Python的算法实战》。
在图像处理过程中，经常需要根据像素值高于或者低于一个像素值做出决定，将高于或者低于这一像素值的像素置零同时将其他像素保持不变，这种操作可以通过阈值化实现，OpenCV中提供了基本阈值化和自适应阈值化两种方式。
5.5.1 案例53：基本阈值化
OpenCV中基本阈值化操作的函数为threshold，该函数的定义如下：
dst = threshold(src, thresh, maxval, type, dst=None)
参数说明如下：
src，输入图像；
thresh，设定的阈值；
maxval，参数type为THRESH_BINARY或者THRESH_BINARY_INV时的最大值；
type，阈值类型，由ThresholdTypes定义（见4.1节）；
dst，输出图像（返回值）。
可以通过设置阈值类型type计算不同类型的阈值，阈值类型设置为THRESH_BINARY（二值阈值）的案例代码如下：
import cv2
src = cv2.imread("src.jpg", cv2.IMREAD_GRAYSCALE)
#应用二值阈值
_, thresh_bin = cv2.threshold(src, 128, 255, cv2.THRESH_BINARY)
cv2.imshow("thresh_bin", thresh_bin)
cv2.waitKey(0)
cv2.destroyAllWindows()
type设置为THRESH_BINARY后，阈值化后输入图像中像素值高于阈值的被设置为最大值maxval，低于阈值的设置为0，二值阈值后的结果如图5.13所示。
图5.13
读者可以设置ThresholdTypes定义的其他阈值类型，如果阈值类型type设置为THRESH_BINARY_INV，阈值化后输入图像中像素值高于阈值的被设置为像素值0，低于阈值的设置为maxval，THRESH_BINARY_INV阈值化后的结果如图5.14所示。
图5.14
如果阈值类型type设置THRESH_TRUNC，阈值化后输入图像中像素值高于阈值的被设置为阈值，低于阈值的设置为像素值0，THRESH_TRUNC阈值化后的结果如图5.15所示。
图5.15
其他阈值化类型就不做一一展示，有兴趣的读者可以自行修改阈值类型type进行尝试。
5.5.2 案例54：自适应阈值化
基本阈值化需要读者手动设置阈值进行阈值化操作，阈值的设置需要尝试选出最佳值，自适应阈值化则可以变化阈值完成阈值化操作，OpenCV中提供了自适应阈值化操作的函数adaptiveThreshold，函数的定义如下：
dst = adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)
参数说明如下：
src，输入图像，需传入单通道图像；
maxValue，分配给满足条件的像素的非零值像素值；
adaptiveMethod，自适应算法，由AdaptiveThresholdTypes定义（见4.1节）；
thresholdType ，阈值类型；
blockSize，计算阈值的邻域尺寸；
C，减去平均值或者加权平均值之后的常数值；
dst，输出图像（返回值）。
自适应阈值化可以使用的自适应算法包括两种：平均法（ADAPTIVE_THRESH_MEAN_C）和高斯法（ADAPTIVE_THRESH_GAUSSIAN_C），两种算法的自适应阈值化的案例代码如下：
import cv2
#读取灰度图
src = cv2.imread("src.jpg", cv2.IMREAD_GRAYSCALE)
#平均法自适应阈值
thresh_mean = cv2.adaptiveThreshold(src, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 5, 0)
#高斯法自适应阈值
thresh_gaussian = cv2.adaptiveThreshold(src, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 5, 0)
#图像显示
cv2.imshow("thresh_mean", thresh_mean)
cv2.imshow("thresh_gaussian", thresh_gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()
平均法自适应阈值的输出结果如图5.16所示。
图5.16
高斯法自适应阈值的输出结果如图5.17所示。
图5.17