閾值分割
影象閾值分割是一種簡單的影象分割方法，通過將彩色影象轉化成灰度影象，然後利用合適的閾值，進行二值化，也就是從影象中提取出我們需要的輪廓

1.簡單閾值
選取一個全域性閾值，然後就把整幅影象分成非黑即白的二值影象
retval,dst = cv2.threshold(src,thresh,maxval,type)
其中，retval是返回的閾值，dst是返回閾值處理後的影象；第一個引數src是原影象，第二個引數threshold是閾值大小，第三個引數maxval是高於（低於）閾值時賦予的新值，第四個引數type是是閾值分割方法

常用的閾值分割方法
cv2.THRESH_BINARY（二進位制閾值化）

cv2.THRESH_BINARY_INV（反二進位制閾值化

cv2.THRESH_TRUNC（截斷閾值化

cv2.THRESH_TOZERO（閾值化為0）

cv2.THRESH_TOZERO_INV（反閾值化為0）

import cv2

img = cv2.imread(r"image\lenacolor.png",cv2.IMREAD_COLOR)
# 彩色圖轉灰度圖
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 

# cv2.THRESH_BINARY（二進位制閾值化）
ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow(
 
"thresh1", thresh1)
# cv2.THRESH_BINARY_INV（反二進位制閾值化）
ret, thresh2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
cv2.imshow("thresh2", thresh2)
# cv2.THRESH_TRUNC（截斷閾值化）
ret, thresh3 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC) 
cv2.imshow('thresh3', thresh3)
# cv2.THRESH_TOZERO（閾值化為0）
ret, thresh4 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO) 
cv2.imshow(
 
'thresh4', thresh4)
# cv2.THRESH_TOZERO_INV（反閾值化為0）
ret, thresh5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)
cv2.imshow('thresh5', thresh5)

print("返回的閾值：",ret)

cv2.waitKey(0)
cv2.destroyAllWindows()

自適應閾值
簡單閾值是一種全域性性的閾值，只需要設定一個閾值，整個影象都和這個閾值比較。而自適應閾值可以看成一種區域性性的閾值，也就是說，動態自適應的調整屬於自己畫素點的閾值，而不是整幅圖都用一個閾值。此時的閾值是根據影象上的每一個小區域計算畫素的平均值
dst = cv2.adaptiveThreshold(src,x,adaptive_method,threshold_type,block_size,param1)
其中，dst是返回閾值處理後的影象；第一個引數src是原影象，第二個引數x是高於（低於）閾值時賦予的新值，第三個引數 adaptive_method是自適應方法（CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C），第四個引數threshold_type是閾值型別（cv2.THRESH_BINARY和cv2.THRESH_BINARY_INV），第五個引數block_size是用來計算閾值的畫素鄰域大小，第六個引數param1是對方法CV_ADAPTIVE_THRESH_MEAN_C，先求出區域中的均值，再減掉param1；CV_ADAPTIVE_THRESH_GAUSSIAN_C ，先求出區域中的加權和(gaussian)， 再減掉param1

import cv2

img = cv2.imread(r"image\lenacolor.png",cv2.IMREAD_COLOR)
# 彩色圖轉灰度圖
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 

th6 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 5, 2)
th7 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
th8 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)


cv2.imshow('th6', th6)
cv2.imshow('th7', th7)
cv2.imshow('th8', th8)

cv2.waitKey(0)
cv2.destroyAllWindows()