diff --git a/实验五/test1.png b/实验五/test1.png
new file mode 100644
index 0000000..8455743
Binary files /dev/null and b/实验五/test1.png differ
diff --git a/实验五/test1.py b/实验五/test1.py
new file mode 100644
index 0000000..ef3993f
--- /dev/null
+++ b/实验五/test1.py
@@ -0,0 +1,25 @@
+# 阈值分割；
+# 1、确定分割的目标：首先需要明确要分割的目标是什么，例如分割目标物体和背景。
+# 2、确定阈值：根据图像的特点和需求，选择适当的阈值。阈值可以是一个固定的值，也可以根据图像的统计特性进行自适应选择。
+# 3、将图像转换为灰度图像：如果图像不是灰度图像，需要将其转换为灰度图像。这可以通过将彩色图像的RGB通道进行加权平均得到灰度值。
+# 4、应用阈值：将选择的阈值应用于灰度图像，将图像中的像素分成两个类别：低于阈值的像素和高于阈值的像素。
+# 5、生成二值图像：根据阈值的应用结果，将低于阈值的像素设置为一个固定的值（例如0），将高于阈值的像素设置为另一个固定的值（例如255），从而生成二值图像。
+# 6、后处理（可选）：根据实际需求，可以对生成的二值图像进行后处理操作，例如去除噪声、填充空洞等。
+
+import numpy as np;
+import cv2 as cv;
+
+img=cv.imread('test1.png',cv.IMREAD_GRAYSCALE)
+cv.imshow('img',img)
+
+threshold_value = 200
+max_value = 255
+_,binary_img = cv.threshold(img,threshold_value,max_value,cv.THRESH_BINARY)
+cv.imshow('binary_img',binary_img)
+
+kernel = np.ones((3,3),np.uint8)
+cleaned_img=cv.morphologyEx(binary_img,cv.MORPH_OPEN,kernel)
+cv.imshow('cleaned_img',cleaned_img)
+
+cv.waitKey(0)
+cv.destroyAllWindows()
\ No newline at end of file
diff --git a/实验五/test2.py b/实验五/test2.py
new file mode 100644
index 0000000..e8c91ab
--- /dev/null
+++ b/实验五/test2.py
@@ -0,0 +1,9 @@
+# 分水岭算法分割图像
+# 1、图像预处理：对原始图像进行预处理，例如将彩色图像转换为灰度图像，平滑图像以去除噪声，增强图像对比度等。
+# 2、计算图像的梯度：通过对图像应用梯度算子（如Sobel算子）来计算图像的梯度，梯度的变化反映了图像中的边缘信息。
+# 3、确定种子点：根据预处理后的图像或者用户定义的标记信息，确定一些种子点。这些种子点可以代表分割的目标物体或者背景。
+# 4、计算距离变换：使用距离变换算法，从种子点开始，计算每个像素点到最近种子点的距离。这样可以得到一个距离图像，表示每个像素点离最近种子点的距离。
+# 5、计算梯度和距离变换的合并图像：将梯度图像和距离变换图像进行合并，得到一个新的图像。在合并图像中，水流将被认为是从梯度较高的区域向梯度较低的区域流去。
+# 6、计算分水岭：根据合并图像，应用分水岭变换算法来计算分水岭，即将图像分割成不同的分水岭区域。
+# 7、降噪和后处理：对分割结果进行降噪和后处理，例如去除小的分割区域、填充空洞等，以获得最终的分割结果。
+