AdaptiveThreshold

void cvAdaptiveThreshold( const CvArr* src, CvArr* dst,  double max_value,  int adaptive_method=CV_ADAPTIVE_THRESH_MEAN_C,

int threshold_type=CV_THRESH_BINARY,  int block_size=3,  double param1=5 );

src ----------输入图像. 
dst ----------输出图像. 
max_value ------------使用 CV_THRESH_BINARY 和CV_THRESH_BINARY_INV 的最大值. 

adaptive_method 
自适应阈值算法使用：CV_ADAPTIVE_THRESH_MEAN_C 或CV_ADAPTIVE_THRESH_GAUSSIAN_C （见讨论）. 

threshold_type -------取阈值类型：必须是下者之一 
CV_THRESH_BINARY, 
CV_THRESH_BINARY_INV 

block_size ----------用来计算阈值的象素邻域大小: 3, 5, 7, ... 
param1 --------------与方法有关的参数。对方法 CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRESH_GAUSSIAN_C， 它是一个从均值或加权均值提取的常数（见讨论）, 尽管它可以是负数。 

 

函数 cvAdaptiveThreshold 将灰度图像变换到二值图像，采用下面公式： 

threshold_type=CV_THRESH_BINARY:
dst(x,y) = max_value, if src(x,y)>T(x,y)
0, otherwise

threshold_type=CV_THRESH_BINARY_INV:
dst(x,y) = 0, if src(x,y)>T(x,y)
max_value, otherwise

其中T(x,y)是为每一个象素点单独计算的阈值, 根据adaptive_method中方法的不同，计算方式不同。

1）    CV_ADAPTIVE_THRESH_MEAN_C：

先求出块中的均值，再减掉param1。 

2）    CV_ADAPTIVE_THRESH_GAUSSIAN_C：

先求出块中的加权和(gaussian)，再减掉param1。

 

函数cvAdaptiveThreshold的确可以将灰度图像二值化，但它的主要功能应该是边缘提取，并且参数param1主要是用来控制边缘的类型和粗细的.

 

关键是里面的block_size参数，该参数是决定局部阈值的block的大小，

1）当block很小时，如block_size=3 or 5 or 7时，“自适应”的程度很高，即容易出现block里面的像素值都差不多，这样便无法二值化，而只能在边缘等梯度大的地方实现二值化，结果显得它是边缘提取函数。

2）当把block_size设为比较大的值时，如block_size=21 or 31 or41时，cvAdaptiveThreshold便是二值化函数了
3）src与dst 这两个都要是单通道的图像。

 

参数blockSize：
1.要取奇数，如果取偶数运行后就会报错！！原因看源码，发现要做一个掩模，所以参数必须是奇数。OpenCV也做了一个检测，在函数adaptiveThreshold一开始就有CV_Assert( blockSize %2 == 1 && blockSize > 1 )。 

2.cvAdaptiveThreshold既可以做边缘提取，也可以实现二值化，是由你所选择的邻域所确定的，如果你所选择的邻域非常小（比如3×3），那么很显然阈值的“自适应程度”就非常高，这在结果图像中就表现为边缘检测的效果。如果邻域选择的比较大（比如31×31），那么阈值的“自适应程度”就比较低，这在结果图像中就表现为二值化的效果。 

3.一般情况下，滤波器宽度应该大于被识别物体的宽度。block_size太小，无法代表背景，太大的话会影响到临近物体。

选定合适的block_size后，我们就可以选定一个更大的阈值param1，更好的抑制噪声 

 

1）自适应二值化计算像素的邻域的平均灰度，来决定二值化的值。
2）如果整个区域几乎是一样灰度的，则无法给出合适的结果了。
3）之所以看起来像边缘检测，是因为窗尺寸设置的小，可以改大一点试一试。
cvAdaptiveThreshold( src, dst, 255, CV_ADAPTIVE_THRESH_MEAN_C,CV_THRESH_BINARY, 21); //窗设置为21

 

我目前在做细胞图像分割，在HSV色彩系统中对V通道用自适应阈值化，然后在叠加HS通道处理结果，取得了非常好的效果。

没有万能的二值化方法，具体问题具体分析，自适应二值化对于光照不均的文字，条码等，效果很好。窗口大小选择，考虑被检测物体尺寸。