因為最近在做數字識別，需要用到自動閾值，重新看了看全局閾值算法，分析寫在這里
（學習了清風似水流的CSDN博客：http://blog.csdn.net/ilyhlf5201314/article/details/8525695）
1. 處理流程：
1.為全局閾值選擇一個初始估計值T(圖像的平均灰度)。
2.用T分割圖像。產生兩組像素：G1有灰度值大於T的像素組成，G2有小於等於T像素組成。
3.計算G1和G2像素的平均灰度值m1和m2；
4.計算一個新的閾值:T = (m1 + m2) / 2;
5.重復步驟2和4,直到連續迭代中的T值間的差為零。
此種方法主要適用於圖像直方圖有明顯波谷。
2.程序代碼：
1 //全局閾值函數 2 //給定一個初始閾值T，在T兩邊分別計算平均閾值T1和T2，不等，T=(T1+T2)/2，知道兩邊的平均閾值相等 3 u8 GlobalThreshold(u8 **img, u16 height, u16 width) 4 { 5 u8 pg[256] = {0}; //直方圖數組 6 u16 i,j,t=0,t1,t2,k1,k2; 7 double u=0,u1,u2; 8 9 //for (i = 0; i<256; i++) pg[i]=0; 10 for (i = 0; i<height; i++) //直方圖統計 11 { 12 for (j = 0; j<width; j++) 13 { 14 pg[ img[i][j] ]++; 15 } 16 } 17 18 19 20 for (i=0;i<256;i++) 21 { 22 t += pg[i]; //計算被統計的像素點數目 23 u += i * pg[i]; //第i階灰度值*第i階像素數目 24 } 25 k2 = (u16 )( u/t); //計算被統計像素點灰度的平均值，初始灰度值 26 27 do { 28 k1 = k2; 29 t1 = 0; u1 = 0; 30 for (i = 0; i<=k1; i++) //類似前面，計算低灰度組的累加值 31 { 32 t1 += pg[i]; //計算低灰度組被統計的像素點數目 33 u1 += i * pg[i]; 34 } 35 36 t2 = t - t1; //得到高灰度組的像素點數目 37 u2 = u - u1; //得到高灰度組的加權灰度 38 39 if (t1) 40 u1=u1/t1; //計算低灰度組的平均值 41 else 42 u1=0; 43 44 if (t2) 45 u2=u2/t2; //計算高灰度組的平均值 46 else 47 u2=0; 48 49 k2 = (u16 )((u1 + u2)/2 ); //計算新的閾值 50 }while( k1 != k2); //如果數值未穩定，繼續 51 52 return k1; 53 }