opencvadaptiveThreshold自适应阈值

OTSU算法和最大熵算法，但这两种算法都属于全局阈值法，所以对于某些光照不均的图像，这种全局阈值分割的方法会显得苍白无力，如下图：

 此时应采用自适应阈值法(adaptiveThreshold)，它的思想不是计算全局图像的阈值，而是根据图像不同区域亮度分布，计算其局部阈值，所以对于图像不同区域，能够自适应计算不同的阈值，因此被称为自适应阈值法。(其实就是局部阈值法)

如何确定局部阈值呢？可以计算某个邻域(局部)的均值、中值、高斯加权平均(高斯滤波)来确定阈值

#include<opencv2/opencv.hpp>
#include<iostream>



int main(int argc, char** argv) {

    cv::Mat srcImage = cv::imread("D:/bb/tu/6.png");
    cv::Mat srcGray;
    cv::cvtColor(srcImage, srcGray, cv::COLOR_RGB2GRAY);
    cv::imshow("srcGray", srcGray);
    cv::Mat dstImage;

    const int maxVal = 255;
    int adaptiveMethod = 0;
    int thresholdType = 1;
    int blockSize = 5;
    int constValue = 10;

    cv::adaptiveThreshold(srcGray, dstImage,maxVal, adaptiveMethod,thresholdType, blockSize,constValue);// 自适应阈值操作
    /*
    参数1:InputArray src：源图像
    参数2:OutputArray dst：输出图像，与源图像大小一致
    参数3:maxVal 预设最大值
    参数4:adaptiveMethod 在一个邻域内计算阈值所采用的算法，有两个取值，分别为 ADAPTIVE_THRESH_MEAN_C 和 ADAPTIVE_THRESH_GAUSSIAN_C 
            cv::ADAPTIVE_THRESH_MEAN_C=0 的计算方法是计算出领域的平均值再减去第七个参数double C的值
            cv::ADAPTIVE_THRESH_GAUSSIAN_C=1 的计算方法是计算出领域的高斯均值再减去第七个参数double C的值
    参数5:thresholdType 这是阈值类型，只有两个取值，分别为 cv::THRESH_BINARY=0 和 cv::THRESH_BINARY_INV=1
    参数6:blockSize 表示邻域大小,局部邻域大小为3、5、7等
    参数7:constValue    这个参数实际上是一个偏移值调整量，用均值和高斯计算阈值后，再加这个值就是最终阈值  
    */

    cv::imshow("dstImage", dstImage);
    
    cv::waitKey(0);
    return 0;
}