在本教程中，我們將介紹圖像和視頻分析的閾值。閾值的想法是進一步簡化可視數據以進行分析。首先，您可以轉換為灰度，但隨后必須考慮到灰度仍然至少具有255個值。最基本的閾值功能是根據閾值將所有內容轉換為白色或黑色。假設我們希望閾值為125（總共255），然后將125以下的所有內容轉換為0或黑色，將125以上的所有內容轉換為255或白色。如果像平常一樣轉換為灰度，則將得到白色和黑色。如果不轉換為灰度，則將獲得帶閾值的圖片，但會有顏色。

盡管這聽起來足夠好，但事實并非如此。我們將在此處介紹多個示例和不同類型的閾值說明。我們將使用以下圖像作為示例圖像，但是可以使用自己的圖像：

[[324209]]

本書中的簡短內容是一個很好的例子，首先，背景實際上根本沒有白色，一切都是暗淡的，但是一切都是變化的。有些部分很輕，很容易閱讀，而另一些則很暗，需要聚焦很多。首先，讓我們嘗試一個簡單的閾值：

retval, threshold = cv2.threshold(img, 10, 255, cv2.THRESH_BINARY)

二進制閾值是一個簡單的“或”閾值，其中像素為255或0。在許多情況下，該閾值為白色或黑色，但是我們現在將圖像保留為彩色，因此可能仍為彩色。這里的第一個參數是圖像。下一個參數是閾值，我們選擇10。下一個是最大值，我們將其選擇為255。接下來，最后是閾值類型，我們將其選擇為THRESH_BINARY。通常，選擇閾值10會有些困難。我們選擇10，因為這是低光圖片，所以我們選擇低數字。通常，大約125-150的效果最好。 

import cv2  
import numpy as np  
img = cv2.imread('linuxidc.com.jpg')  
retval, threshold =  cv2.threshold(img, 12, 255,  cv2.THRESH_BINARY)  
cv2.imshow('original',img)  
cv2.imshow('threshold',threshold)  
cv2.waitKey(0)  
cv2.destroyAllWindows() 

結果：

現在，圖像的讀取效果稍好一些，但仍然有些混亂。從視覺上看，它是更好的方法，但是使用程序來分析它仍然很困難。讓我們看看是否可以進一步簡化它。

首先，讓我們對圖像進行灰度處理，然后設置閾值： 

import cv2  
import numpy as np  
grayscaled = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
retval, threshold =  cv2.threshold(grayscaled, 10, 255,  cv2.THRESH_BINARY)  
cv2.imshow('original',img)  
cv2.imshow('threshold',threshold)  
cv2.waitKey(0)  
cv2.destroyAllWindows() 

結果如下：

是的，更簡單，但是我們在這里仍然缺少很多上下文。接下來，我們可以嘗試自適應閾值，它將嘗試改變閾值，并希望解決彎曲的頁面。 

import cv2  
import numpy as np  
img = cv2.imread('www.linuxidc.com.jpg')  
grayscaled = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
th = cv2.adaptiveThreshold(grayscaled, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 115, 1)  
cv2.imshow('original',img)  
cv2.imshow('Adaptive threshold',th)  
cv2.waitKey(0)  
cv2.destroyAllWindows() 

結果如下：

還有一個可以執行的閾值版本，稱為Otsu閾值（大津閾值）。它在這里不能很好地發揮左右，但是： 

import cv2  
import numpy as np  
img = cv2.imread('1.jpg')  
grayscaled = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
retval2,threshold2 = cv2.threshold(grayscaled,125,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)  
cv2.imshow('original',img)  
cv2.imshow('Otsu threshold',threshold2)  
cv2.waitKey(0)  
cv2.destroyAllWindows() 

結果如下：