opencv学习图像阈值处理
阈值处理可以看做是最简单的图像分割方法，这种方法基于图像中物体与背景之间的灰度差异，而且此分割属于像素级别的分割，因此应用的时候，应该用图像中的每一个像素点的灰度值与选取的阈值进行比较，并作出相应的判断。
阈值类型一阈值二值化(threshold binary)
左下方的图像表示图像像素点的分布情况，蓝色水平线表示阈值。
阈值二值化表示，当像素点的值大于阈值时，取最大值maxVal，当像素点的值小于阈值时，取最小值。
阈值类型一阈值反二值化(threshold binary Inverted)
阈值反二值化表示：当像素点的值大于阈值时，取最小值0，当像素点的值小于阈值的时候去最大值。与上面的相反。
阈值类型一截断 (truncate)
阈值截断表示：当像素点的值大于阈值时，就和阈值相等。否则就等于像素点的值。
阈值类型一阈值取零 (threshold to zero)
阈值取零表示：当像素点值大于阈值，就取本身的值，小于阈值就取0；
阈值类型一阈值反取零 (threshold to zero inverted)
阈值反取零表示，当像素点值大于阈值时，取0，当像素点小于阈值时，取本身。
上述情况如下表所示：
阈值操作的API
threshold:
用法如下：