嘿，我来帮你搞定这个特殊阈值处理的需求！你之前遇到的问题很典型——cv.threshold只能做单阈值的二值化，没法同时限制上下两个区间；而inRange其实是可行的，但需要搭配掩码操作才能得到你想要的结果。下面给你两种简单易懂的实现方法：

方法一：利用OpenCV的掩码（Mask）结合inRange #

inRange函数会生成一个二值掩码，其中符合区间[20,30]的像素会被标记为255（白色），其余为0（黑色）。我们只需要把这个掩码和原图做按位与操作，就能保留目标区间的像素，其余设为0：

import cv2 as cv
import numpy as np

# 加载灰度图像
img = cv.imread("your_image_path.jpg", cv.IMREAD_GRAYSCALE)

# 生成区间掩码：保留20-30的像素区域
mask = cv.inRange(img, 20, 30)

# 应用掩码，保留目标像素，其余设为0
result = cv.bitwise_and(img, img, mask=mask)

# 如果需要把非目标区间设为255，替换成以下代码：
# result = np.full_like(img, 255)
# result[mask > 0] = img[mask > 0]

# 查看结果
cv.imshow("Original", img)
cv.imshow("Thresholded Result", result)
cv.waitKey(0)
cv.destroyAllWindows()

方法二：用Numpy条件索引（更直观） #

如果你觉得掩码操作有点绕，用Numpy的条件判断索引会更直接，一行代码就能完成：

import cv2 as cv
import numpy as np

# 加载灰度图像
img = cv.imread("your_image_path.jpg", cv.IMREAD_GRAYSCALE)

# 保留20-30的像素，其余设为0
result = np.where((img >= 20) & (img <= 30), img, 0)

# 如果需要把非目标区间设为255，修改最后一个参数：
# result = np.where((img >= 20) & (img <= 30), img, 255)

# 显示结果
cv.imshow("Result", result)
cv.waitKey(0)
cv.destroyAllWindows()

为什么你之前的尝试没成功？ #

• 你用的cv.threshold(img,30,255,cv.THRESH_BINARY)只能实现“高于30的像素设为255，低于等于30设为0”，没法限制下限（比如把低于20的像素也设为0），所以只能完成部分需求。
• inRange本身只是生成掩码，不是直接修改原图，你需要把掩码和原图结合才能得到最终结果，这应该是你之前用inRange没成功的原因~

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