什么是阈值？
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）
阈值化的类型
OpenCV中提供了阈值（threshold）函数,这个函数有5种阈值化类型
阈值类型1：二进制阈值化
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
1.png图片
cv::Mat src, dst; src = cv::imread("D:/bb/tu1/1.png",0);//以灰度形式载入图像 int c=src.channels(); //返回值是1 是灰色图像 std::cerr<<"c="<<c<<std::endl; std::cerr<<src<<std::endl; //255是白色部分的值；138是红色部分值;98是蓝色部分值 cv::namedWindow("src"); imshow("src",src); cv::threshold( src, dst, 98, 255,0 ); //参数1:输入的灰度图像 //参数2:输出图像 //参数3:进行阈值操作时阈值的大小 //参数4：设定的最大灰度值（该参数运用在二进制与反二进制阈值操作中） //参数5：阈值的类型。从下面提到的5种中选择出的结果 /* cv::THRESH_BINARY=0: 二进制阈值 cv::THRESH_BINARY_INV=1: 反二进制阈值 cv::THRESH_TRUNC=2: 截断阈值 cv::THRESH_TOZERO=3: 0阈值 cv::THRESH_TOZERO_INV=4: 反0阈值
cv::THRESH_OTSU=8 自適應閾值 */ std::cerr<<dst<<std::endl; //src中大于98的都变成255，其它都变成0 cv::namedWindow("dst"); imshow("dst",dst);
阈值类型2：反二进制阈值化
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
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
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 (cv::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
其它方法
cv::Mat M(5, 4, CV_8UC3,cv::Scalar(10,20,30)); std::cerr<<M<<std::endl; cv::Mat mask1=M<=20; //满足条件的是255，其它的是0 std::cerr<<mask1<<std::endl;
