灰度直方图主要以灰度值为横坐标，每个灰度值在图像中出现的次数做为纵坐标，波峰的位置为该灰度在图像中出现的频率最大，通过灰度直方图可以看到图像的照明效果，各个灰度在图像中出现的频率差不多，则说明这个图像是一个高对比度的图像。
如果目标区和背景区之间或者不同目标区之间，存在不同的灰度或平均灰度，那么这个目标我们可以根据灰度的不同来将它分割出来，将目标的灰度变成一个灰度值，而目标以外的变成另一个灰度值，就可以将这个目标很明显的从图像区分出来，这个也就是常说的二值化方法， 首先通过灰度直方图来确定最佳的灰度阈值（也就是目标灰度属于哪个范围），使目标和背景之间的差异最大。 使用cv2.threshhold(image, min_gray, max_gray, method) image:表示输入的图像 min_gray: 表示分割的最小阈值 max_gray: 表示分割的最大阈值 method：表示不同的阈值方法 - cv2.THRESH_BINARY - cv2.THRESH_BINARY_INV - cv2.THRESH_YRUNC - cv2.THRESH_TOZERO - cv2.THRESH_TOZERO_INV 阈值分割在实际应用中又着很大的局限性，对噪声图像和颜色渐变的图像处理效果不好
