本书中的简短内容是一个很好的例子，首先，背景实际上根本没有白色，一切都是暗淡的，但是一切都是变化的。有些部分很轻，很容易阅读，而另一些则很暗，需要聚焦很多。首先，让我们尝试一个简单的阈值：
retval, threshold = cv2.threshold(img, 10, 255, cv2.THRESH_BINARY)
二进制阈值是一个简单的“或”阈值，其中像素为255或0。在许多情况下，该阈值为白色或黑色，但是我们现在将图像保留为彩色，因此可能仍为彩色。这里的第一个参数是图像。下一个参数是阈值，我们选择10。下一个是最大值，我们将其选择为255。接下来，最后是阈值类型，我们将其选择为THRESH_BINARY。通常，选择阈值10会有些困难。我们选择10，因为这是低光图片，所以我们选择低数字。通常，大约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()
现在，图像的读取效果稍好一些，但仍然有些混乱。从视觉上看，它是更好的方法，但是使用程序来分析它仍然很困难。让我们看看是否可以进一步简化它。
首先，让我们对图像进行灰度处理，然后设置阈值：
- 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()
结果如下：
