图像二值化
图像二值化就是将图像上的像素点的灰度值设置为两个值，一般为0（表示黑色）和255（表示白色），可以将整个图像呈现出明显的黑白效果。
最常用的方法就是先将图像灰度处理，然后设定一个阈值，用该阈值将图像分成两个部分，即大于阈值的部分和小于阈值的部分，然后再将两部分图像分别赋予不同像素值。
图像二值化有利于图像的进一步处理，使图像变得简单，并且减少了数据量，可以凸显出感兴趣的目标轮廓。
阈值处理根据不同的情况，可以选择三种处理方式：全局阈值处理，自适应阈值处理和Otsu阈值处理。
全局阈值处理
全局阈值处理会按照设定好的阈值来处理整个图像。
import cv2
img=cv2.imread('test.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, img2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
#这里阈值为127
#maxval设为255，所以处理后的图像是黑白图像
cv2.imshow("BINARY", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
自适应阈值处理
自适应阈值会局部计算每一个区域阈值来处理图像。
对于一幅色彩均衡的图像，一般直接将阈值设为127，这个阈值是经验获得的，设置这个阈值比较合适。但是，当有的图像色彩分布不均衡时，用127这个阈值，效果就会很差，此时就要考虑别的阈值处理方法，比如自适应阈值处理方法或者Otsu方法，而自适应阈值就是在图像上每一个小区域计算与其对应的阈值。
import cv2
img=cv2.imread('test.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
img2 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,5,3)
cv2.imshow("BINARY", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
Otsu阈值
Otsu阈值会自动计算出合适的阈值。
Otsu方法又称最大类间方差法，通过把像素分配为两类或多类，计算类间方差，当方差达到最大值时，类分割线（即灰度值）就作为图像分割阈值。
import cv2
img=cv2.imread('test.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, img2 = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
#这里阈值为127
#maxval设为255，所以处理后的图像是黑白图像
cv2.imshow("BINARY", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
Otsu阈值处理就是在threshold函数的参数type中，多传入一个参数cv2.THRESH_OTSU就可实现Otsu阈值分割，例如：
cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)，这里就要把thresh参数设为0，type参数设置为“cv2.THRESH_BINARY+cv2.THRESH_OTSU”。
