原理

用阈值来分离图片中的对象是一种最简单的分离方法。根据我们想要分离的图片中的对象，设置特定的阈值，然后通过将图片的每个像素值与该阈值进行对比，从而确定我们想要的图像中的区域。

二值化类型

OpenCV中的threshold函数共有5种类型的阈值操作方法可选。
首先我们有一张原图，图中像素点的值用$src(x,y)$表示，该图片中的颜色分布图如下（纵轴为颜色值，横轴为不同像素点，蓝线为固定阈值）：

二值化(Threshold Binary)

二值化操作的具体方法用公式表示为：
$$dst(x,y)=\{\begin{array}{ll}maxValue& \text{if}src(x,y)>threshold\\ 0& \text{otherwise}\end{array}$$

• $dst(x,y)为像素点阈值操作后的结果，下同$

即，如果像素点的颜色值$src(x,y)$高于阈值$threshold$，该像素点就会被赋予用户定义的$maxValue$；否则的话，像素点就会被赋予0值。
其效果用颜色值分布图表示，如下：

反二值化(Threshold Binary, Inverted)

反二值化与二值化正好相反，用公式表达为：
$$dst(x,y)=\{\begin{array}{ll}0& \text{if}src(x,y)>threshold\\ maxValue& \text{otherwise}\end{array}$$
即，超过阈值的像素点都被赋予0值，而没有超过的都被赋予$maxValue$。
用颜色值分布图表示如下：

截断(Truncate)

截断的具体方法用公式表示如下：
$$dst(x,y)=\{\begin{array}{ll}threshold& \text{if}src(x,y)>threshold\\ src(x,y)& \text{otherwise}\end{array}$$
即，超过阈值的像素点被赋予阈值的值，而没有超过的则保留原值。
用颜色分布图表示如下：

零值化

零值化操作用公式表达如下：
$$dst(x,y)=\{\begin{array}{ll}src(x,y)& \text{if}src(x,y)>threshold\\ 0& \text{otherwise}\end{array}$$
即，如果超过阈值就保留原值，没有超过阈值就赋予0值。
用颜色值分布图表示如下：

反零值化

顾名思义这个方法是零值化方法的反面，用公式表示如下：
$$dst(x,y)=\{\begin{array}{ll}0& \text{if}src(x,y)>threshold\\ src(x,y)& \text{otherwise}\end{array}$$
即，超过阈值的像素点赋予0值，没有超过阈值的保留原值。
用颜色分布图表示其结果如下：

代码实现

本示例使用的图片可以在下载OpenCV文件夹中找到："...\opencv\sources\samples\data\stuff.jpg"。原图如下：

5种类型的阈值操作都是用cv:threshold函数实现的，该函数原型如下：

double cv::threshold(InputArray	src,
					OutputArray	dst,
					double		threshold,
					double		maxValue,
					int			type)

• src：原图
• dst：输出图
• threshold：阈值
• maxValue：二值化和反二值化中的maxvalue，但是其他方法中也需要指定，不过用不到
• type：阈值操作类型
  * THRESH_BINARY：二值化，0
  * THRESH_BINARY_INV：反二值化，1
  * THRESH_TRUNC：截断，2
  * THRESH_TOZERO：零值化，3
  * THRESH_TOZERO_INV：反零值化，4
• 目前用不到返回值，先不用管

这里将所有的阈值threshold都设置为100；
将二值化和反二值化中的maxValue都设置为255；

//二值化
Mat binary_dst;
threshold(src,
	binary_dst,
	100,
	255,
	0);

//反二值化
Mat inv_binary_dst;
threshold(src,
	inv_binary_dst,
	100,
	255,
	1);

//截断
Mat trunc_dst;
threshold(src,
	trunc_dst,
	100,
	255,
	2);

Mat trunc_dst1;
threshold(src,
	trunc_dst1,
	100,
	150,
	2);

//零值化
Mat zero_dst;
threshold(src,
	zero_dst,
	100,
	255,
	3);

//反零值化
Mat inv_zero_dst;
threshold(src,
	inv_zero_dst,
	100,
	255,
	4);

效果如下：

• 二值化
  
• 反二值化
  
• 截断
  
• 零值化
  
• 反零值化
  
  可以看到对于这张图片，在上述的参数情况下，二值化和反二值化方法能更好地分离图像中的墙壁、打火机等对象。
  也可以改变参数或者使用滑动条来挑选更适合每种方法的参数。