OpenCV图像处理实战：全局阈值、自适应阈值与Otsu算法深度解析（七）

一、阈值处理：图像分割的基石

1.1 什么是阈值处理？

阈值处理（Thresholding）是将灰度图像转换为二值图像的核心技术。其核心思想是通过设定临界值（Threshold）将像素分为两类：

• 前景（Foreground）：目标物体（通常赋值为255）
• 背景（Background）：非目标区域（通常赋值为0）

数学表达式为：
$$dst(x,y)=\{\begin{array}{ll}maxVal& \text{if }src(x,y)>thresh\\ 0& \text{otherwise}\end{array}$$

1.2 应用场景

领域	典型应用
文档处理	纸质文档数字化、印刷体文字识别
工业检测	零件缺陷检测、产品计数
生物医学	细胞分割、X光片分析
自动驾驶	车道线检测、交通标志识别

---

二、全局阈值处理详解

2.1 核心函数原理

OpenCV提供cv2.threshold()函数实现全局阈值处理：

retval, dst = cv2.threshold(
    src,    # 输入图像（必须为单通道）
    thresh, # 阈值（0-255）
    maxval, # 最大值（通常为255）
    type    # 阈值类型
)

2.2 6种阈值类型对比

类型	公式
THRESH_BINARY	$dst=\{\begin{array}{ll}maxval& \text{if }src>thresh\\ 0& \text{else}\end{array}$
THRESH_BINARY_INV	与BINARY相反
THRESH_TRUNC	$dst=\{\begin{array}{ll}thresh& \text{if }src>thresh\\ src& \text{else}\end{array}$
THRESH_TOZERO	$dst=\{\begin{array}{ll}& \\ src& \\ 0& \end{array}$