- OpenCV中的阈值(threshold)函数： threshold 的运用。
-
C++: double threshold(InputArray src, OutputArray dst, double thresh, double maxVal, int threshold-
Type)
Python: cv2.threshold(src, thresh, maxval, type[, dst ])! retval, dst
C: double cvThreshold(const CvArr* src, CvArr* dst, double threshold, double maxValue, int threshold-
Type)
Python: cv.Threshold(src, dst, threshold, maxValue, thresholdType) !None
Parameters
src – Source array (single-channel, 8-bit of 32-bit floating point).
dst – Destination array of the same size and type as src .
thresh – Threshold value.
maxVal – Maximum value to use with the THRESH_BINARY and THRESH_BINARY_INV
thresholding types.
thresholdType – Thresholding type (see the details below).
-
最简单的图像分割的方法。
-
应用举例：从一副图像中利用阈值分割出我们需要的物体部分（当然这里的物体可以是一部分或者整体）。这样的图像分割方法是基于图像中物体与背景之间的灰度差异，而且此分割属于像素级的分割。
-
为了从一副图像中提取出我们需要的部分，应该用图像中的每一个像素点的灰度值与选取的阈值进行比较，并作出相应的判断。（注意：阈值的选取依赖于具体的问题。即：物体在不同的图像中有可能会有不同的灰度值。
-
一旦找到了需要分割的物体的像素点，我们可以对这些像素点设定一些特定的值来表示。（例如：可以将该物体的像素点的灰度值设定为：‘0’（黑色）,其他的像素点的灰度值为：‘255’（白色）；当然像素点的灰度值可以任意，但最好设定的两种颜色对比度较强，方便观察结果）。
阈值类型1：二进制阈值化(THRESH_BINARY)
-
该阈值化类型如下式所示:
-
解释：在运用该阈值类型的时候，先要选定一个特定的阈值量，比如：125，这样，新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于125的像素点的灰度值设定为0。
阈值类型2：反二进制阈值化(THRESH_BINARY_INV)
-
该阈值类型如下式所示：
-
解释：该阈值化与二进制阈值化相似，先选定一个特定的灰度值作为阈值，不过最后的设定值相反。（在8位灰度图中，例如大于阈值的设定为0，而小于该阈值的设定为255）。
阈值类型3：截断阈值化(THRESH_TRUNC)
-
该阈值化类型如下式所示：
-
解释：同样首先需要选定一个阈值，图像中大于该阈值的像素点被设定为该阈值，小于该阈值的保持不变。（例如：阈值选取为125，那小于125的阈值不改变，大于125的灰度值（230）的像素点就设定为该阈值）。
阈值类型4：阈值化为0(THRESH_TOZERO)
-
该阈值类型如下式所示：
-
解释：先选定一个阈值，然后对图像做如下处理：1 像素点的灰度值大于该阈值的不进行任何改变；2 像素点的灰度值小于该阈值的，其灰度值全部变为0。
阈值类型5：反阈值化为0(THRESH_TOZERO_INV)
-
该阈值类型如下式所示：
-
解释：原理类似于0阈值，但是在对图像做处理的时候相反，即：像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。
