图像二值化就是将图像上的像素点的灰度值设置为0或255，这样将使整个图像呈现出明显的黑白效果。灰度处理后就能够二值化了，这是方便图像处理的重要步骤，对轮廓有要求的很有效。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。
OpenCV提供了全局固定阈值和局部自适应阈值的函数来实现二值化图像。
全局二值化方法(Global Binariztion Method) 对每一幅图计算一个单一的阀值。灰度级大于阈值的像素被标记为背景色，否则为前景。
局部二值化方法(Local Adaptive Binarization Method) 以像素的邻域的信息为基础来计算每一个像素的阈值。其中一些方法还会计算整个图像中的一个阈值面。如果图像中的一个像素(x,y)的灰度级高于在(x,y)点的阈值面的计算值，那么把像素(x,y)标记为背景，否则为前景字符。

源代码：

import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread('C://Users//47463//Desktop//2//carid.jpg',0)

ret,thresh1 = cv.threshold(img,120,255,cv.THRESH_BINARY)
ret,thresh2 = cv.threshold(img,120,255,cv.THRESH_BINARY_INV)
ret,thresh3 = cv.threshold(img,120,255,cv.THRESH_TRUNC)
ret,thresh4 = cv.threshold(img,120,255,cv.THRESH_TOZERO)
ret,thresh5 = cv.threshold(img,120,255,cv.THRESH_TOZERO_INV)

titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

• threshold(src, thresh, maxval, type, dst=None) 参数介绍：src原图片，thresh阈值，maxval图像中最大值，
  type：
  0: THRESH_BINARY 当前点值大于阈值时，取Maxval,否则设置为0
  1: THRESH_BINARY_INV 当前点值大于阈值时，设置为0，否则设置为Maxval
  2: THRESH_TRUNC 当前点值大于阈值时，设置为阈值，否则不改变
  3: THRESH_TOZERO 当前点值大于阈值时，不改变，否则设置为0
  4: THRESH_TOZERO_INV 当前点值大于阈值时，设置为0，否则不改变
  
  
  第一张是原始图片，原始图片为一张渐变图片最右边为纯白，最左边为纯黑，闸值选的为‘127’ ，在做BINARY变换时，大于127的值全部变成黑色，小于127的值全部变白。BINARY_INV变换，正好相反，大于127的变白，大于127的变黑。
• matplotlib的相关教程信息可参考：
  https://blog.csdn.net/qq_33208851/article/details/95613929
  https://www.runoob.com/numpy/numpy-matplotlib.html

更多文章：https://blog.csdn.net/qq_33208851/article/details/95237054