阈值化3种方式（包括图像像素自动反转）：1，固定阈值；2，自适应阈值化；3，大律法阈值

在机器视觉的图像处理中经常会用到阈值化，有时候我们需要把阈值设出来留给操作人员设定，有时候需要写死阈值，有时候需要图像自己判定阈值。在opencv中常用的阈值化操作有3种。1，固定阈值；2，自适应阈值化；3，大律法阈值。视情况而定使用哪一种方法更好。大家要用哪种把那一种方法取消注释就行。
//vs2015,opencv2.4环境下：

main函数中：

	Mat dstImage;
	Mat srcImage = imread("1.jpg");

#pragma region 1......固定阈值

	//threshold(srcImage, dstImage, 11, 255, CV_THRESH_BINARY_INV);

#pragma endregion

#pragma region 2......进行自适应阈值化

	/*
	**********
	adaptiveThreshold(输入图像,输出图像,向上最大值,自适应方法.平均或高斯,阈值化类型,块大小,常量)

	cv::adaptiveThreshold()支持两种自适应方法，即cv::ADAPTIVE_THRESH_MEAN_C（平均）和cv::ADAPTIVE_THRESH_GAUSSIAN_C（高斯）。
	在两种情况下，自适应阈值T(x, y)。通过计算每个像素周围bxb大小像素块的加权均值并减去常量C得到。
	其中，b由blockSize给出，大小必须为奇数；如果使用平均的方法，则所有像素周围的权值相同；
	如果使用高斯的方法，则（x,y）周围的像素的权值则根据其到中心点的距离通过高斯方程得到。
	**********
	*/

	//int maxVal = 255;                                                                                        
	//int blockSize = 41;
	//double C = -1;

	//srcImage.convertTo(srcImage, CV_8U);                                                                     //先转化成单通道8位浮点数
	//vector channels;
	//Mat r1, r2, r3;
	//split(srcImage, channels);
	//r1 = channels.at(0);
	//r2 = channels.at(1);
	//r3 = channels.at(2);

	//adaptiveThreshold(r1, r1, maxVal, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY_INV, blockSize, C);              //自适应阈值化（平均）,反阈值
	////adaptiveThreshold(r1, r1, maxVal, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY_INV, blockSize, C);          //自适应阈值化（高斯）,反阈值
	////adaptiveThreshold(r1, r1, maxVal, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, blockSize, C);            //自适应阈值化

	//int white = countNonZero(r1);
	//int black = r1.size().area() - white;
	//if (white < black)
	//{
	//	r1 = ~r1;                                                                                              //如果图像像素大多数是黑色，反转它，使背景为白，二维码为黑
	//}

	//channels.at(0) = r1;
	//channels.at(1) = r1;
	//channels.at(2) = r1;
	//merge(channels, dstImage);                                                                               //转会回3通道

#pragma endregion

#pragma region 3......大律法阈值

	dstImage = binarize(srcImage);                                                                               //大律法阈值化，并反转像素

#pragma endregion

  imshow("图片窗口", dstImage);

binarize()函数：

Mat binarize(Mat input)                                                                //大律法阈值化，并反转像素
{
	Mat binarizeImage;
	cvtColor(input, input, CV_BGR2GRAY);
	threshold(input, binarizeImage, 0, 225, THRESH_OTSU);                              //使用大律法

	//计算黑白像素的数目
	int white = countNonZero(binarizeImage);
	int black = binarizeImage.size().area() - white;
	return white < black ? binarizeImage : ~binarizeImage;                             //如果图像像素大多数是白色，反转它

}