引言：首先我们应该了解什么是阈值分割？有什么作用？如何实现？下面一起来学习一下吧！！！
1.什么是阈值分割？
阈值分割：在图像领域中，顾名思义就是将一幅图像按照设定的不同阈值分割为两部分，其实就是按照图像中各个像素值做出的划分，也就是说将图像中的像素值划分成两部分（按照你设定的阈值大小）。
2.有什么作用呢？
在图像处理中，占据着重要的地位，是图像预处理中的核心内容（包括滤波处理），如果还不知道滤波处理，就来看一下这篇文章吧！this。
阈值分割能够消除一定的噪声，并能够提取目标的所在区域（所谓目标就是你想要得到的部分，就是你的目标）。一般情况下，提取到的图像为黑白图像，因为在二值化之前首先要进行图像的灰度化处理（其实有颜色的，是带有颜色的二值化，而颜色 只有两类，例如：红，蓝）。
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？
4.结束
GAME OVER
如果小伙伴梦有疑问欢迎在评论区留言哦！！！
如果感觉不错的话！你懂得（O(∩_∩)O哈哈~）
欢迎和小伙伴梦一起学习，共同努力，加油！！！
