为什么cv2.threshold返回(ret, thresh)两个参数？ret的具体作用是什么？

cv2.threshold()接口的ret返回值的作用和你选择的阈值处理类型直接相关，并非所有场景下都是无意义的常量：

• 固定阈值处理场景
  当你选择THRESH_BINARY、THRESH_BINARY_INV这类固定阈值算法，且手动传入了阈值参数（即函数的第二个入参），此时ret就是你传入的阈值数值本身，属于冗余返回值，该场景下你可以直接忽略这个返回值，只取阈值化后的图像数组即可。
• 自动阈值处理场景
  当你选择大津法（THRESH_OTSU）、三角形阈值法（THRESH_TRIANGLE）这类自动计算最优阈值的算法时，你传入的第二个阈值参数通常会被忽略，算法会根据图像的灰度分布自动计算最合适的分割阈值，这个计算得到的最优阈值就会通过ret返回，该场景下ret是核心输出值，可用于后续的阈值校验、多图阈值对比等逻辑。

以最常用的大津法为例，ret的计算逻辑为：遍历所有可能的灰度值，计算按当前灰度把图像分为前景、背景两类后的类间方差，取类间方差最大的灰度值作为最终的返回阈值。

你可以参考以下代码示例理解两者的差异：

import cv2
# 读取灰度图像
gray_img = cv2.imread("test.png", 0)
# 固定阈值场景，ret等于传入的127
ret, binary_fixed = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)
# 大津法自动阈值场景，ret为算法计算得到的最优阈值
ret, binary_otsu = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
print("大津法最优阈值：", ret)

内容的提问来源于stack exchange，提问作者johnywalker