【1】引言
前序已经掌握了使用阈值处理函数控制灰度图的RGB值，相关链接为：
python学opencv|读取图像（三十三）阈值处理图像-限定像素-CSDN博客
在更早的学习中，灰度图的RGB只有一个通道，也就是各个像素点对应的BGR值都只用一个数表达。
但是彩色图像各个像素点的BGR值是三个通道，需要三个数来表达。那此时阈值函数是否还有作用，今天就来一起探讨一下。
【2】灰度图像定点像素BGR
此处使用的原图是：
图1
然后把图像读入，直接转化为灰度：
import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块
# 读取图片
src = cv.imread('scasrcf.png',0)
dst=src#输出图像这里的dst是原始的灰度图像，用来和后面阈值函数处理过的图像进行对比。
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY) #阈值开关58，阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY) #阈值开关100，阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY) #阈值开关0，阈值上限255之后就是用阈值函数处理灰度图像：
#展示图像
cv.imshow('srcf', dst) # 在屏幕展示效果
cv.imshow('srcft1', dst1) # 在屏幕展示效果
cv.imshow('srcft2', dst2) # 在屏幕展示效果
cv.imshow('srcft3', dst3) # 在屏幕展示效果
print("dst像素数为[100,100]位置处的BGR=", dst[100, 100]) # 获取像素数为[100,100]位置处的BGR
print("dst1像素数为[100,100]位置处的BGR=", dst1[100, 100]) # 获取像素数为[100,100]位置处的BGR
print("dst2像素数为[100,100]位置处的BGR=", dst2[100, 100]) # 获取像素数为[100,100]位置处的BGR
print("dst3像素数为[100,100]位置处的BGR=", dst3[100, 100]) # 获取像素数为[100,100]位置处的BGR为了单独显示像素点为[100,100]的RGB值，使用print()函数将其直接输出了，这里输出了四个不同图像在像素点为[100,100]的RGB值。
然后是保存图像：
#保存图像
cv.imwrite('srcf-m-c.png', dst) # 保存图像
cv.imwrite('srcf-m-t1-c.png', dst1) # 保存图像
cv.imwrite('srcf-m-t2-c.png', dst2) # 保存图像
cv.imwrite('srcf-m-t3-c.png', dst3) # 保存图像
cv.waitKey() # 图像不会自动关闭
cv.destroyAllWindows() # 释放所有窗口运行代码后，获得的图像和python学opencv|读取图像（三十三）阈值处理图像-限定像素-CSDN博客完全一致，同时新增了像素点的RGB值输出：
图2 灰度图RGB值读取
追溯dst1、dst2和dst3的阈值开关：
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY) #阈值开关58，阈值上限158 t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY) #阈值开关100，阈值上限255 t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY) #阈值开关0，阈值上限255
在像素点[100,100]，原本的灰度图RGB=189，大于任何一个阈值开关，所以这个像素点的RGB值全部强制等于255。
测试的完整代码为：
import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块
# 读取图片
src = cv.imread('scasrcf.png',0)
dst=src#输出图像
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY) #阈值开关58，阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY) #阈值开关100，阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY) #阈值开关0，阈值上限255
#展示图像
cv.imshow('srcf', dst) # 在屏幕展示效果
cv.imshow('srcft1', dst1) # 在屏幕展示效果
cv.imshow('srcft2', dst2) # 在屏幕展示效果
cv.imshow('srcft3', dst3) # 在屏幕展示效果
print("dst像素数为[100,100]位置处的BGR=", dst[100, 100]) # 获取像素数为[100,100]位置处的BGR
print("dst1像素数为[100,100]位置处的BGR=", dst1[100, 100]) # 获取像素数为[100,100]位置处的BGR
print("dst2像素数为[100,100]位置处的BGR=", dst2[100, 100]) # 获取像素数为[100,100]位置处的BGR
print("dst3像素数为[100,100]位置处的BGR=", dst3[100, 100]) # 获取像素数为[100,100]位置处的BGR
#保存图像
cv.imwrite('srcf-m-c.png', dst) # 保存图像
cv.imwrite('srcf-m-t1-c.png', dst1) # 保存图像
cv.imwrite('srcf-m-t2-c.png', dst2) # 保存图像
cv.imwrite('srcf-m-t3-c.png', dst3) # 保存图像
cv.waitKey() # 图像不会自动关闭
cv.destroyAllWindows() # 释放所有窗口
【3】彩色图像阈值函数测试
要想调用彩色图像，最简单的办法就是读入图像的时候，不要设置为灰度图，只需要修改一行代码：
src = cv.imread('scasrcf.png',0) #,0删除就能获得彩色图像
在此基础上，代码生成效率大幅增加，此时的完整代码为：
import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块
# 读取图片
src = cv.imread('scasrcf.png')
dst=src#输出图像
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY) #阈值开关58，阈值上限158
t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY) #阈值开关100，阈值上限255
t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY) #阈值开关0，阈值上限255
#展示图像
cv.imshow('srcf', dst) # 在屏幕展示效果
cv.imshow('srcft1', dst1) # 在屏幕展示效果
cv.imshow('srcft2', dst2) # 在屏幕展示效果
cv.imshow('srcft3', dst3) # 在屏幕展示效果
print("dst像素数为[100,100]位置处的BGR=", dst[100, 100]) # 获取像素数为[100,100]位置处的BGR
print("dst1像素数为[100,100]位置处的BGR=", dst1[100, 100]) # 获取像素数为[100,100]位置处的BGR
print("dst2像素数为[100,100]位置处的BGR=", dst2[100, 100]) # 获取像素数为[100,100]位置处的BGR
print("dst3像素数为[100,100]位置处的BGR=", dst3[100, 100]) # 获取像素数为[100,100]位置处的BGR
#保存图像
cv.imwrite('srcf-m-c.png', dst) # 保存图像
cv.imwrite('srcf-m-t1-c.png', dst1) # 保存图像
cv.imwrite('srcf-m-t2-c.png', dst2) # 保存图像
cv.imwrite('srcf-m-t3-c.png', dst3) # 保存图像
cv.waitKey() # 图像不会自动关闭
cv.destroyAllWindows() # 释放所有窗口
继续使用图1做原图，此时经过阈值函数处理，获得的图像分别为：
图3 阈值开关58，阈值上限158
图4 阈值开关100，阈值上限255
图5 阈值开关0，阈值上限255
相应的，也输出了像素点[100,100]处的BGR值：
图6 彩色图RGB值读取
为了更好理解，先把阈值开关复制过来：
t1,dst1=cv.threshold(src,58,158,cv.THRESH_BINARY) #阈值开关58，阈值上限158 t2,dst2=cv.threshold(src,100,255,cv.THRESH_BINARY) #阈值开关100，阈值上限255 t3,dst3=cv.threshold(src,0,255,cv.THRESH_BINARY) #阈值开关0，阈值上限255
对于原图B=69，大于dst1和dst3的阈值开关，所以会直接将B通道值设定为最大阈值255，然后在dst2图像里强制设为0；对于原图的GR通道，同时大于dst1、dst2和dst3的阈值开关，所以会直接将GR通道值设定为最大阈值255。
【4】细节说明
阈值处理函数cv2.threshold()对灰度图和彩色图都有效果，本身不改变像素值，只改变各个像素点对应的RGB值。
【5】总结
掌握了python+opencv设置彩色图像各个像素点RGB阈值的技巧
