cvAdaptiveThreshold和cvThreshold的一些讨论

在http://www.opencv.org.cn/forum/viewtopic.php?f=10&t=3355 看到了一篇类似的帖子，正好看到这里，简单总结一下：

固定阈值化函数cvThreshold，其实它也有一种自适应阈值方法，那就是OSTU（大津法）！！只需要设定参数thresh_type的值为CV_THRESH_OTSU即可。

Otsu适用于直方图为双峰的图像，但是不均匀的照明等会导致不满足双峰条件，此时应采用动态阈值分割法，基本原理如下：局部区域中感兴趣的物体经常要比背景更亮或更暗，局部背景可以通过平滑处理估计，将图像与其局部背景进行比较。

再看看 cvAdaptiveThreshold用法：

cvAdaptiveThreshold( const CvArr* src, CvArr* dst, double max_value,

int adaptive_method CV_DEFAULT(CV_ADAPTIVE_THRESH_MEAN_C),

int threshold_type CV_DEFAULT(CV_THRESH_BINARY),

int block_size CV_DEFAULT(3),

double param1 CV_DEFAULT(5));

分析参数blockSize。这个参数相当重要，

1.要取奇数，如果取偶数运行后就会报错！！原因看源码，发现要做一个掩模，所以参数必须是奇数。OpenCV也做了一个检测，在函数adaptiveThreshold一开始就有CV_Assert(
blockSize % 2 == 1 && blockSize > 1 )。

2.cvAdaptiveThreshold既可以做边缘提取，也可以实现二值化，是由你所选择的邻域所确定的，如果你所选择的邻域非常小（比如3×3），那么很显然阈值的“自适应程度”就非常高，这在结果图像中就表现为边缘检测的效果。如果邻域选择的比较大（比如31×31），那么阈值的“自适应程度”就比较低，这在结果图像中就表现为二值化的效果。

3.一般情况下，滤波器宽度应该大于被识别物体的宽度。block_size太小，无法代表背景，太大的话会影响到临近物体。

选定合适的block_size后，我们就可以选定一个更大的阈值param1，更好的抑制噪声

4.自适应二值化对于光照不均的文字，条码等，效果很好。