简述
针对背景单一，光照不均匀的图像，先求出图片的亮度背景，用原图减去背景，得出前景内容。
常见的图像二值化算法大致可认为全局阈值方法和局部阈值方法两种类型，其中OTSU是全局阈值的代表，而Sauvola算法是局部阈值方法的标杆。
Sauvola算法的输入时灰度图像，它以当前像素点为中心，根据当前像素点的邻域内的灰度均值与标准方差来动态计算该像素点的阈值。
核心公式
R邻域内的灰度均值与标准方差：
该点的阈值：
k：修正参数 0<k<1
通过调大窗口的尺寸可以适应更大的前景目标，由此带来计算量大大增加。
缺陷：当前景存在大面积单一颜色，则容易导致前景中间部分被识别为背景，故该方法最适用于不均匀光照下的文本图像二值化。
参考
https://blog.csdn.net/u013162930/article/details/47755363
https://blog.csdn.net/wfh2015/article/details/80418336