python3 opencv 图像二值化笔记（cv2.adaptiveThreshold）

前一篇研究了opencv二值化方法threshold的使用，但是这个方法也存在一定的局限性，假如有一张图存在明显的明暗不同的区域，如下图

可以看到左边部分因为整体偏暗，导致二值化后变成全黑，丢失了所有细节，这显然不是我们想要的结果。

原因threshold函数使用一个阈值对图像进行二值化，导致小于这个阈值的像素点全都变成0。因此使用一个阈值的二值化方法并不适用于上面的这张图。那怎么搞？

很明显，上面这张图只有左右两个区域明显亮度不同，最简单的方法就是把图分成两个区域，每个区域分别进行二值化，也就是说二值化上面这张图需要两个不同的阈值。那如果亮度不同的地方有三个，四个或者更多呢？那就每个区域用一个阈值来进行二值化。按照这个思想，因此有了cv2.adaptiveThreshold函数。

先看一下adaptiveThreshold二值化的使用效果。

明显还是有效果的，至少左边部分不是全黑。

接下来简单说一下adaptiveThreshold方法

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)

这个函数大致意思就是把图片每个像素点作为中心取N*N的区域，然后计算这个区域的阈值，来决定这个像素点变0还是变255

src：需要进行二值化的一张灰度图像

maxValue：满