在http://www.opencv.org.cn/forum/viewtopic.php?f=10&t=3355 看到了一篇類似的帖子，正好看到這裏，簡單總結一下：
固定閾值化函數cvThreshold，其實它也有一種自適應閾值方法，那就是OSTU（大津法）！！只需要設定參數thresh_type的值爲CV_THRESH_OTSU即可。
Otsu適用於直方圖爲雙峯的圖像，但是不均勻的照明等會導致不滿足雙峯條件，此時應採用動態閾值分割法，基本原理如下：局部區域中感興趣的物體經常要比背景更亮或更暗，局部背景可以通過平滑處理估計，將圖像與其局部背景進行比較。
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));
分析參數blockSize。這個參數相當重要，
1.要取奇數，如果取偶數運行後就會報錯！！原因看源碼，發現要做一個掩模，所以參數必須是奇數。OpenCV也做了一個檢測，在函數adaptiveThreshold一開始就有CV_Assert(
blockSize % 2 == 1 && blockSize > 1 )。
2.cvAdaptiveThreshold既可以做邊緣提取，也可以實現二值化，是由你所選擇的鄰域所確定的，如果你所選擇的鄰域非常小（比如3×3），那麼很顯然閾值的“自適應程度”就非常高，這在結果圖像中就表現爲邊緣檢測的效果。如果鄰域選擇的比較大（比如31×31），那麼閾值的“自適應程度”就比較低，這在結果圖像中就表現爲二值化的效果。
3.一般情況下，濾波器寬度應該大於被識別物體的寬度。block_size太小，無法代表背景，太大的話會影響到臨近物體。
選定合適的block_size後，我們就可以選定一個更大的閾值param1，更好的抑制噪聲
4.自適應二值化對於光照不均的文字，條碼等，效果很好。
