欢迎来到另一个OpenCV教程。在本教程中，我们将介绍图像和视频分析的阈值。阈值的想法是进一步简化可视数据以进行分析。首先，您可以转换为灰度，但随后必须考虑到灰度仍然至少具有255个值。最基本的阈值功能是根据阈值将所有内容转换为白色或黑色。假设我们希望阈值为125（总共255），然后将125以下的所有内容转换为0或黑色，将125以上的所有内容转换为255或白色。如果像平常一样转换为灰度，则将得到白色和黑色。如果不转换为灰度，则将获得带阈值的图片，但会有颜色。

尽管这听起来足够好，但事实并非如此。我们将在此处介绍多个示例和不同类型的阈值说明。我们将使用以下图像作为示例图像，但是可以使用自己的图像：

本书中的简短内容是一个很好的例子，说明了为什么有人会阈值。首先，背景实际上根本没有白色，一切都是暗淡的，但是一切都是变化的。有些部分很轻，很容易阅读，而另一些则很暗，需要聚焦很多。首先，让我们尝试一个简单的阈值：

retval, threshold = cv2.threshold(img, 10, 255, cv2.THRESH_BINARY)

二进制阈值是一个简单的“或”阈值，其中像素为255或0。在许多情况下，该阈值为白色或黑色，但是我们现在将图像保留为彩色，因此可能仍为彩色。这里的第一个参数是图像。下一个参数是阈值，我们选择10。下一个是最大值，我们将其选择为255。接下来，最后是阈值类型，我们将其选择为THRESH_BINARY。通常，选择阈值10会有些困难。我们选择10，因为这是低光图片，所以我们选择低数字。通常，大约125-150的效果最好。

结果：

现在，图像的读取效果稍好一些，但仍然有些混乱。 从视觉上看，它是更好的方法，但是使用程序来分析它仍然很困难。 让我们看看是否可以进一步简化它。

首先，让我们对图像进行灰度处理，然后设置阈值：

结果如下：

是的，更简单，但是我们在这里仍然缺少很多上下文。 接下来，我们可以尝试自适应阈值，它将尝试改变阈值，并希望解决弯曲的页面。

结果如下：

还有一个可以执行的阈值版本，称为Otsu阈值（大津阈值）。 它在这里不能很好地发挥左右，但是：

结果如下：