OpenCV阈值分割（六）——自适应阈值

OpenCV中的自适应阈值分割（Adaptive Thresholding）可以根据局部图像的灰度值自适应地确定阈值，从而得到更好的二值化效果。该算法主要包括以下步骤：

1. 定义图像块大小和计算方法，即对于每个像素，都会在其周围的图像块内计算一个局部阈值。
2. 对于每个像素，计算其所在图像块内像素灰度值的平均值（或高斯加权平均值），并将该值作为局部阈值。
3. 将局部阈值与该像素的灰度值进行比较，若大于局部阈值则将其置为白色，否则将其置为黑色。

#include 
#include 
#include 

using namespace cv;
using namespace std;

int main()
{
    // 读入图像
    Mat src = imread("test.jpg", IMREAD_GRAYSCALE);
    if (src.empty())
    {
        cout << "Cannot load image!" << endl;
        return -1;
    }

    // 自适应阈值分割
    Mat dst;
    adaptiveThreshold(src, dst, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 11, 2);

    // 显示结果
    imshow("Source Image", src);
    imshow("Adaptive Thresholding", dst);
    waitKey();

    return 0;
}

其中，adaptiveThreshold函数的参数含义如下：

• src：输入图像。
• dst：输出图像，即二值化后的图像。
• 255：输出图像的最大值，即白色像素的值。
• ADAPTIVE_THRESH_GAUSSIAN_C：局部阈值计算方法，表示使用高斯加权平均值计算局部阈值。
• THRESH_BINARY：二值化方法，表示将小于局部阈值的像素置为黑色，大于等于局部阈值的像素置为白色。
• 11：图像块大小，表示局部阈值计算时考虑的像素范围。
• 2：局部阈值计算时减去的常数，用于调整阈值大小。