在本教程中，我们将看到如何使用Python Open-CV将对象与图像中的背景分开，这是CV2(计算机视觉)库存在的。
我们可以使用 threshold()的方法 cv2库将对象从图像中的背景分隔。
要使用CV2库，我们需要使用CV2库使用 import statement。

现在让我们看看语法和返回值 cv2 threshold()方法首先，我们将继续执行示例。

语法

cv2.threshold(src, thresholdValue, maxVal, thresholdingTechnique)

参数

我们需要传递四个参数 cv2 threshold()方法。

• src:输入灰度图像阵列。
• thresholdValue:提及用于对像素值分类的值。
• maxVal:如果像素值大于(有时小于)阈值，则要赋予的值。
• thresholdingTechnique:要应用的阈值的类型。

有5种不同的简单阈值技术是：

• cv2.THRESH_BINARY:如果像素强度大于设置阈值，则值设置为255，否则设置为0(黑色)。
• cv2.THRESH_BINARY_INV:倒置或者相反的cv2.Thresh_binary。<li。
• cv2.THRESH_TRUNC:如果像素强度值大于阈值，则它被截断到阈值。像素值被设置为与阈值相同。所有其他值保持不变。
• cv2.THRESH_TOZERO:像素强度设置为0，对于所有像素强度，小于阈值。
• cv2.THRESH_TOZERO_INV:倒置或者相反的cv2.thresh_tozero。

返回值

该方法返回2个值的元组，其中第1个值被给出阈值，第二值是修改图像阵列。

CV2阈值()方法示例

现在让我们看看Python代码：

示例1：使用cv2.Thresh_binary阈值技术。

# import computer vision library(cv2) in this code
import cv2
 
# main code
if __name__ == "__main__" :
 
    # mentioning absolute path of the image
    img_path = "C:\Users\user\Desktop\flower.jpg"
 
    # read/load an image in grayscale mode
    grey_img = cv2.imread(img_path,0)
 
    # show the Input image on the newly created image window
    cv2.imshow('Input',grey_img)
 
    # applying cv2.THRESH_BINARY thresholding techniques
    ret, thresh_img = cv2.threshold(grey_img, 128, 255, cv2.THRESH_BINARY)
 
    # show the Output image on the newly created image window
    cv2.imshow('Output',thresh_img)

示例2：使用cv2.Thresh_binary_inv阈值技术。

# import computer vision library(cv2) in this code
import cv2
 
# main code
if __name__ == "__main__" :
 
    # mentioning absolute path of the image
    img_path = "C:\Users\user\Desktop\flower.jpg"
 
    # read/load an image in grayscale mode
    grey_img = cv2.imread(img_path,0)
 
    # show the Input image on the newly created image window
    cv2.imshow('Input',grey_img)
 
    # applying cv2.THRESH_BINARY_INV thresholding techniques
    ret, thresh_img = cv2.threshold(grey_img, 128, 255, cv2.THRESH_BINARY_INV)
 
    # show the Output image on the newly created image window
    cv2.imshow('Output',thresh_img)

同样，我们可以应用其他给定的阈值化技术并查看其结果。