全局阈值分割实例-金相晶粒分割

	阈值分割法是一种基于区域的图像分割技术，原理是把图像像素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。
	它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。
	图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('/xxxxx/*.jpg')
# 灰度化
y = 0.2126*img[:,:,2] + 0.7152*img[:,:,1] + 0.0722*img[:,:,0]
img[:,:,0] = y
img[:,:,1] = y
img[:,:,2] = y
# 以128为阈值进行二值化
#我的图像在165这个点分割效果最好，分割点可自己定义「0-255」
y[y>=165] = 255
y[y<165] = 0
# 255白色
img[:,:,0] = y
img[:,:,1] = y
img[:,:,2] = y
plt.imshow(img);
cv2.imwrite('/xxxx/*.jpg',img)

原图：

y[y>=165] = 255
y[y<165] = 0

结果图：分割值取165

y[y>=165] = 255
y[y<165] = 0

结果图：分割值取180

y[y>=180] = 255
y[y<180] = 0