本文适合OpenCV图像处理入门，讲解
cv2.threshold()固定阈值二值化API，包含参数解析、5种阈值模式、示例代码、Otsu自动阈值，可直接复制到CSDN发布。
一、函数简介
阈值处理是图像处理非常基础的操作，常用于图像分割、前景背景分离、形态学预处理。 把灰度图像像素和设定阈值比较，按照不同规则重新赋值像素。
函数原型：
ret, dst = cv2.threshold(src, thresh, maxval, type)返回值
ret：实际生效的阈值。普通阈值就是传入的thresh；使用Otsu算法时为算法自动计算出最优阈值。dst：阈值处理完成之后的输出图像（单通道）。
参数详解
| 参数 | 说明 |
|---|---|
| src | 输入图像，必须为单通道灰度图，彩色图像需要先转为灰度，否则报错 |
| thresh | 手动设定的阈值，取值范围 0~255 |
| maxval | 满足判定条件时，像素被赋予的最大值，一般填255（代表白色） |
| type | 阈值处理模式，共5种基础模式，还可以叠加Otsu自动阈值算法 |
二、五种基础阈值模式
以thresh=127，maxval=255作为例子，对比5种模式处理逻辑。
| 阈值类型 | 处理逻辑 |
|---|---|
cv2.THRESH_BINARY | 像素＞阈值 →maxval(255白色)；像素≤阈值 →0(黑色) |
cv2.THRESH_BINARY_INV | BINARY反转。像素＞阈值 →0(黑色)；像素≤阈值 →maxval(255白色) |
cv2.THRESH_TRUNC | 截断模式。像素＞阈值 → 设置为阈值；小于等于阈值像素保持原始灰度不变 |
cv2.THRESH_TOZERO | 置零模式。像素＞阈值，像素保持原值；像素≤阈值，置为0黑色 |
cv2.THRESH_TOZERO_INV | TOZERO反转。像素＞阈值置0黑色；像素≤阈值，像素保持原值 |
💡注意：
- BINARY / BINARY_INV：输出只有0和maxval，真正二值黑白图。
- TRUNC / TOZERO系列：保留中间灰度信息，不是纯二值图像。
_INV后缀代表逻辑取反。
三、完整可运行代码
import cv2 import matplotlib.pyplot as plt # 解决matplotlib中文乱码 plt.rcParams["font.family"] = ["SimHei"] plt.rcParams["axes.unicode_minus"] = False # 读取图片并转为灰度图 img = cv2.imread("./imgs/lena.jpg") img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 5种阈值操作 ret1, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY) ret2, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV) ret3, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC) ret4, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO) ret5, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV) titles = ["原始灰度图","THRESH_BINARY","THRESH_BINARY_INV","THRESH_TRUNC","THRESH_TOZERO","THRESH_TOZERO_INV"] images = [img_gray, thresh1, thresh2, thresh3, thresh4, thresh5] plt.figure(figsize=(12,7)) for i in range(6): plt.subplot(2, 3, i + 1) plt.imshow(images[i], cmap="gray") plt.title(titles[i]) plt.axis("off") plt.tight_layout() plt.show()四、Otsu大津自动阈值
手动设置固定阈值127，对光照差异大的图片效果很差。Otsu算法可以自动计算全局最优阈值，不需要人工指定。
使用方式：
- 基础阈值填
0，算法内部自动覆盖。 - 使用
+叠加cv2.THRESH_OTSU。
# Otsu自动阈值 ret_otsu, dst_otsu = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) print(f"Otsu算法自动计算的阈值：{ret_otsu}")五、应用场景
- 目标分割：分割前景物体和背景。
- 形态学预处理：腐蚀、膨胀、开闭运算之前，经常先做阈值二值化。
- 遥感图像、文档扫描图像预处理，Otsu适合光照不均匀图像。
六、常见踩坑总结
- ❌不能直接传入BGR彩色图，threshold只接收单通道灰度图像。
_INV代表逻辑反转，黑白结果颠倒。- TRUNC、TOZERO输出依旧保留灰度，不是只有纯黑纯白。
- Otsu算法适合灰度分布双峰的图像，单峰图像效果一般。
如果你需要，我可以继续帮你写自适应阈值adaptiveThreshold的CSDN版本，专门处理明暗分布不均匀图像。
