OpenCV自适应阈值处理

 局部自适应阈值则是根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值。这样做的好处在于每个像素位置处的二值化阈值不是固定不变的，而是由其周围邻域像素的分布来决定的。亮度较高的图像区域的二值化阈值通常会较高，而亮度较低的图像区域的二值化阈值则会相适应地变小。不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。常用的局部自适应阈值有：1）局部邻域块的均值；2）局部邻域块的高斯加权和。

void adaptiveThreshold(srcgray,dstimage,maxVal,adaptiveMethod,thresholdType,blockSize,
constValue);
maxVal:预设最大值，使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值.

adaptiveMethod：自适应阈值算法选择，自适应阈值算法使用：CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C .

thresholdType：阈值类型，必须是CV_THRESH_BINARY或者CV_THRESH_BINARY_INV
blockSize：阈值的象素邻域大小: 3, 5, 7, ...

    对于max_value中的两个方式中的T是为每一个象素点单独计算的阈值，即每个像素点的阈值都是不同的，就是将该像素点周围B*B区域内的像素加权平均然后减去一个常数param，从而得到该点的阈值。b由block_size指定，常数由param1指定
    对方法 CV_ADAPTIVE_THRESH_MEAN_C，先求出块中的均值，再减掉param。
对方法 CV_ADAPTIVE_THRESH_GAUSSIAN_C ，那么区域中（x，y）周围的像素根据高斯函数按照他们离中心点的距离进行加权计算， 再减掉param。

 

int main(int argc, char** argv)
{
	Mat image = imread("E:/VS2013/face/xuelian/png/1.png", CV_LOAD_IMAGE_GRAYSCALE);
	if (image.empty())
	{
		cout << "read image failure" << endl;
		return -1;
	}
 
 
	// 全局二值化
	int th = 100;//阈值
	Mat global;
	threshold(image, global, th, 255, CV_THRESH_BINARY_INV);
 
 
	// 局部二值化
 
	int blockSize = 7;
	int constValue = 11;
	Mat local;
	adaptiveThreshold(image, local, 255, CV_ADAPTIVE_THRESH_MEAN_C, CV_THRESH_BINARY_INV, blockSize, constValue);
 
 
	imshow("globalThreshold", global);
	imshow("localThreshold", local);
	waitKey(0);
 
 
	return 0;
}

https://blog.csdn.net/fabulousli/article/details/51487833