图像的阈值和平滑

图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，特别适用于处理目标和背景占据不同灰度级范围的图像。

为了完成本关任务，你需要掌握：

图像阈值分割的基本原理；
对图像进行阈值分割。
图像色彩模式转换
在生活中，大多数看到的彩色图片都是 RGB 类型。RGB 色彩模式是工业界的一种颜色标准，是通过对红 ( R )、绿 ( G )、蓝 ( B )三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色。

但是在执行不同的图像处理任务时，也需要用到灰度图、HSV 、YUV 等不同的颜色制式。OpenCV 提供了cvtColor()函数来实现这些图像色彩模式的转换。函数表达式如下所示：

st = cv2.cvtColor(src, code)

函数中各参数含义为：

src：源图片的地址；
code：转换方式。该参数包含了很多的颜色空间转换类型，例如将颜色空间 BGR 转化为 RGB 、RGB 转化为 HSV 空间等。所有的转换方式在 enum ColorConversionCodes 中定义，具体参数枚举类型请参阅 API 文档 。
该代码的作用是把图片img转换为经过图像色彩模式处理的图片st。

本次任务要用到的转换方式是COLOR_BGR2GRAY，它表示从 BGR 彩色图像转换为 GRAY 灰度图像。
举个例子：

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

注意：

在 OpenCV 2.x 时，颜色空间转换code用的宏定义是CV_前缀开头；而在 OpenCV 3.x 版本，其颜色空间转换code宏定义更改为COLOR_开头;
彩色图像与灰度图像的转换是不可逆的。

图像阈值分割

图像阈值分割是最简单的图像分割方法。为了从一副图像中提取出需要的部分，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。

注意：阈值的选取依赖于具体的问题。即：物体在不同的图像中有可能会有不同的灰度值。

图像阈值化分割不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤。因此在很多情况下，图像阈值化分割是进行图像分析、特征提取与模式识别之前必要的图像预处理过程。

例如：从一副图像中利用阈值分割出需要的物体部分（当然这里的物体可以是一部分或者整体）。这样的图像分割方法是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的分割。

一旦找到了需要分割的物体的像素点，就可以对这些像素点设定一些特定的值来表示。

例如：可以将该物体的像素点的灰度值设定为：0（黑色），其他的像素点的灰度值为：255（白色）。当然像素点的灰度值可以任意，但最好设定的两种颜色对比度较强，方便观察结果。

在 OpenCV 中，cv2.threshold()可以用来进行图像阈值分割处理。它的函数表达式为：

ret, dst=cv2