openCv for android 图像二值化

二值化的目的是将图片分成两种颜色，白色或者黑色；

二值化前一步是将彩色的图片转化为灰色的图片，这样的图片二值化比较精确一些;

二值化有一个阈值(读音，yu，不是kuo，更不是ga，哈哈)；

获取一张图的阈值有一个算法，这个算法是别人写好的，代码如下：

int otsu2(jint* colors, int w, int h) {
    unsigned int pixelNum[256]; // 图象灰度直方图[0, 255]
    int color; // 灰度值
    int n, n0, n1; //  图像总点数，前景点数， 后景点数（n0 + n1 = n）
    int w0, w1; // 前景所占比例， 后景所占比例（w0 = n0 / n, w0 + w1 = 1）
    double u, u0, u1; // 总平均灰度，前景平均灰度，后景平均灰度（u = w0 * u0 + w1 * u1）
    double g, gMax; // 图像类间方差，最大类间方差（g = w0*(u0-u)^2+w1*(u1-u)^2 = w0*w1*(u0-u1)^2）
    double sum_u, sum_u0, sum_u1; // 图像灰度总和，前景灰度总和， 后景平均总和（sum_u = n * u）
    int thresh; // 阈值

    memset(pixelNum, 0, 256 * sizeof(unsigned int)); // 数组置0

    // 统计各灰度数目
    int i, j;
    for (i = 0; i < h; i++) {
        for (j = 0; j < w; j++) {
            color = (colors[w * i + j]) & 0xFF; // 获得灰度值
            pixelNum[color]++; // 相应灰度数目加1
        }
    }

    // 图像总点数
    n = w * h;

    // 计算总灰度
    int k;
    for (k = 0; k <= 255; k++) {
        sum_u += k * pixelNum[k];
    }

    // 遍历判断最大类间方差，得到最佳阈值
    for (k