本示例使用的OpenCV版本是：OpenCV 4.1.1
运行Python的编辑器：Jupyter notebook 6.0.0
实现目的
学会使用Opencv不同的阀值处理图像，例子涉及到cv2.threshold 函数和 cv2.adaptiveThreshold 函数的使用及效果。
实现代码
1，加载需要的库，灰度模式加载图片，显示图像
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('dog.png',0)
plt.imshow(img, cmap='gray')
2，应用一个简单的二进制阈值
thr, mask = cv2.threshold(img, 200, 1, cv2.THRESH_BINARY)
print('Threshold used:', thr)3，应用自适应阈值
adapt_mask = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 11, 10)4，显示所有结果，进行对比
plt.figure(figsize=(10,10))
plt.subplot(131)
plt.axis('off')
plt.title('original')
plt.imshow(img, cmap='gray')
plt.subplot(132)
plt.axis('off')
plt.title('binary threshold')
plt.imshow(mask, cmap='gray')
plt.subplot(133)
plt.axis('off')
plt.title('adaptive threshold')
plt.imshow(adapt_mask, cmap='gray')
plt.tight_layout()
plt.show()
程序说明
OpenCV具有许多不同类型的阈值和阈值化方法。 您可以将所有方法分为两组：全局（对所有像素使用相同的阈值）和自适应（对阈值依赖于像素的自适应）。
可以通过 cv2.threshold 函数使用第一组中的方法，该函数除其他参数外还采用阈值类型（例如cv2.THRESH_BINARY和cv.THRESH_BINARY_INV）。
具体参考：OpenCV threshold函数
可通过 cv2.adaptiveThreshold 函数获得自适应阈值方法。 在自适应方法中，每个像素都有自己的阈值，该阈值取决于周围的像素值。 在前面的代码中，我们使用cv2.ADAPTIVE_THRESH_MEAN_C方法进行阈值估计，该方法计算周围像素的平均值，并将该值减去用户指定的偏差（在本例中为10）用作像素阈值。
具体参考：OpenCV adaptiveThreshold函数
