OpenCV 项目开发实战--实现图像阈值处理-附Python 和 C++代码

仔细观察下面图 1 中的动画。您看到了多少个数字？大多数人会看到几个数字。但图像所包含的远不止眼前所见。 

随着图像在动画中循环，您将看到原始图像的阈值版本，其中：

• 所有数字看起来都是白色的（即它们的灰度值为 255）。
• 您还可以看到数字“5”，它在原始图像中存在但不可见，原因很简单，因为它的灰度值为 5。

事实上， 原始图像中的所有数字都具有等于数字值的灰度值。 所以，“255”是最亮的，“5”是最暗的。回想一下，灰度强度范围从纯黑色 (0) 到纯白色 (255)。 

因此，读取阈值图像中的数字比读取原始图像中的数字容易得多。毫不奇怪，即使是文本识别算法也发现处理阈值图像比原始图像更容易。因此，阈值处理在计算机视觉中有很多应用，并且通常在许多处理流水线的初始阶段执行。有几种类型的阈值算法。让我们在这