門檻值分割
1、目标
使用固定門檻值、自适應門檻值和Otsu門檻值法”二值化”圖像
OpenCV函數：cv2.threshold(), cv2.adaptiveThreshold()
2、固定門檻值分割
固定門檻值分割很直接，一句話說就是像素點值大于門檻值變成一類值，小于門檻值變成另一類值。
cv2.threshold()用來實作門檻值分割，ret是return value縮寫，代表目前的門檻值，暫時不用理會。函數有4個參數：
- 參數1：要處理的原圖，*一般是灰階圖
- 參數2：設定的門檻值
- 參數3：最大門檻值，一般為255
- 參數4：門檻值的方式，主要有5種，詳情： http://t.cn/EfZhnbq
下面結合代碼了解下這5種門檻值方式：
Tips：很多人誤以為門檻值分割就是二值化。從上圖中可以發現，兩者并不等同，門檻值分割結果是兩類值，而不是兩個值，是以教程開頭我把二值化加了引号。
3、自适應門檻值
看得出來固定門檻值是在整幅圖檔上應用一個門檻值進行分割，它并不适用于明暗分布不均的圖檔。 cv2.adaptiveThreshold()自适應門檻值會每次取圖檔的一小部分計算門檻值，這樣圖檔不同區域的門檻值就不盡相同。它有5個參數，其實很好了解，先看下效果：
參數1：要處理的原圖
參數2：最大門檻值，一般為255
參數3：小區域門檻值的計算方式
ADAPTIVE_THRESH_MEAN_C：小區域内取均值
ADAPTIVE_THRESH_GAUSSIAN_C：小區域内權重求和，權重是個高斯核
參數4：門檻值方式（跟前面講的那5種相同）
參數5：小區域的面積，如11就是11*11的小塊
參數6：最終門檻值等于小區域計算出的門檻值再減去此值
如果你沒看懂上面的參數也不要緊，暫時會用就行，當然我建議你調整下參數看看不同的結果。
4、Otsu門檻值
在前面固定門檻值中，我們是随便選了一個門檻值如127，那如何知道我們選的這個門檻值效果好不好呢？答案是：不斷嘗試，是以這種方法在很多文獻中都被稱為經驗門檻值。Otsu門檻值法就提供了一種自動高效的二值化方法，不過我們直方圖還沒學，這裡暫時略過。
好吧，我知道激起了你的興趣~ o(￣▽￣)o，有能力的童鞋可以看下繼續往下看番外篇~
5、小結
cv2.threshold()用來進行固定門檻值分割。固定門檻值不适用于光線不均勻的圖檔，是以用 cv2.adaptiveThreshold()進行自适應門檻值分割。 二值化跟門檻值分割并不等同。針對不同的圖檔，可以采用不同的門檻值方法。
引用
本節源碼
http://t.cn/EfZcSIJImage Thresholding
http://t.cn/EfZcHyc