3.如何实现呢？
说了这么多，只是让大家能够更好地理解阈值二值化操作，还有就是为什么我们选择二值化，她的目的是什么！（不多说了），下面来看一般的阈值二值化函数。
1》典型的全局阈值二值化函数：
代码：
ret,thresh1=cv2.threshold(GrayImage,120,255,cv2.THRESH_BINARY)
how to usse?
代码：
import cv2
path=r'cat.png'
img=cv2.imread(path)
GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret1,thresh1=cv2.threshold(GrayImage,120,255,cv2.THRESH_BINARY)
cv2.imshow('method1',thresh1)
cv2.waitKey(0)
效果图：
原图
二值化后的图像
2》自适应阈值分割函数：
代码：
th3 = cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,11)
how to use?
代码：
import cv2
path=r'cat.png'
img=cv2.imread(path)
GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
threth2=cv2.adaptiveThreshold(GrayImage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5，11)
cv2.imshow('method2',thhreth2)
cv2.waitKey(0)
效果图：
原图
自适应阈值分割后的图像
3》大津阈值分割法
这个是由日本学者大津提出，当时轰动一时（夸张点）。这种方法最核心的就是统计像素点灰度值的方差，使图像的灰度值方差达到最小值，这个值就是相对于分割图像的最好分割阈值。（求最小方差所对于的值，就是最好的分割阈值，应该说清楚了吧！）
代码：
ret3,threth3= cv2.threshold(img,0,255,cv2.THRESH_OTSU)
how to use?
path=r'cat.png'
img=cv2.imread(path)
GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret3,thresh3 = cv2.threshold(GrayImage,0,255,cv2.THRESH_OTSU)
print(ret3)
cv2.imshow('method3',thresh3)
cv2.waitKey(0)
效果展示：
原图
大津阈值分割后的图
注意： 其中 ret3 就是计算出来的最好阈值（相对来说哦）
我们打印输出一下看看是多少？
Original: https://blog.csdn.net/m0_56654441/article/details/120593382
Author: 桀骜不驯的山里男人
Title: 图像处理–阈值分割函数《python基础篇》
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/645739/
转载文章受原作者版权保护。转载请注明原作者出处！