这一篇主要有两点：普通阈值化和自适应阈值化。
1、普通阈值化
普通阈值化用到的函数是cv2.threshold，其函数原型为:
threshold(src, thresh, maxval, type, dst = None)
其中，type的取值有以下几种cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO、cv2.THRESH_TOZERO_INV，其效果如下：
2、自适应阈值化
自适应阈值化的函数原型为：
adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst = None)
其中adaptiveMethod的取值为cv2.ADPTIVE_THRESH_MEAN_C：阈值取自相邻区域的平均值和cv2.ADPTIVE_THRESH_GAUSSIAN_C：阈值取值相邻区域的加权和，权重为一个高斯窗口；blockSize是领域的大小；C是一个常数，阈值就等于的平均值或者加权平均值减去这个常数。
src = cv2.imread('lena.bmp', 0)
src1 = cv2.imread('lena.bmp', 0)
cv2.adaptiveThreshold(src, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2, src)
cv2.imshow('ADAPTIVE_THRESH_MEAN_C', src)
cv2.adaptiveThreshold(src1, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2, src1)
cv2.imshow('ADAPTIVE_THRESH_GAUSSIAN_C', src1)
cv2.waitKey(0)
cv2.destroyAllWindows()
发现这个函数比较奇葩，最后一个参数我这里是用了原图的变量来储存，不用一个新变量的原因是我在Python3下用的是OpenCV3.4.1，如果用一个dst代替的化就会报错，运行的效果如下：
秋风凄切伤离，
行客未归时。
塞外草先衰，
江南雁到迟。
芙蓉凋嫩脸，
杨柳堕新眉。
摇落使人悲，
断肠谁得知。