void adaptiveThreshold(InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C);
函數功能
對一幅灰度圖像進行二值化，該函數支持就地操作，該函數用下面的公式對一幅灰度圖像進行二值化：
(1)正向二值化，THRESH_BINARY
(2)反向二值化，THRESH_BINARY_INV
參數詳解
-
第一個參數，InputArray src，原圖，即輸入圖像，是一個8位單通道的圖像；
-
第二個參數，OutputArray dst，目標圖像，與原圖像具有同樣的尺寸與類型；
-
第三個參數，double maxValue，分配給滿足條件的像素的非零值；
-
第四個參數，int adaptiveMethod，自適應閾值的方法，通常有以下幾種方法；
- ADAPTIVE_THRESH_MEAN_C，閾值T(x,y)是(x,y)減去C的Blocksize×Blocksize鄰域的平均值。
- ADAPTIVE_THRESH_GAUSSIAN_C ，閾值T(x，y)是(x，y)減去C的Blocksize×Blocksize鄰域的加權和(與高斯相關)，默認sigma(標准差)用於指定的Blocksize；具體的情況可以參見getGaussianKernel函數；
- 第五個參數，int thresholdType，閾值的類型必須是以下兩種類型，
- THRESH_BINARY，正向二值化
- THRESH_BINARY_INV ，反向二值化
-
第六個參數，int blockSize，計算blocksize x blocksize大小的領域內的閾值，必須為奇數，例如，3，5，7等等，一般二值化使用21,31,41；
-
第七個參數，double C，從平均數或加權平均數減去常量。通常，它是正的，但也可能是零或負數。，二值化時使用的7。
閾值類型詳解
(1)THRESH_BINARY
正向二值化,如果當前的像素值大於設置的閾值(thresh)，則將該點的像素值設置為maxval；否則，將該點的像素值設置為0；具體的公式如下
(2)THRESH_BINARY_INV
反向二值化，如果當前的像素值大於設置的閾值(thresh)，則將該點的像素值設置為0；否則，將該點的像素值設置為maxval，具體的公式如下
(3)THRESH_TRUNC
如果當前的像素值大於設置的閾值(thresh)，則將該點的像素值設置為threshold；否則，將該點的像素值不變，具體的公式如下
(4)THRESH_TOZERO
如果當前的像素值大於設置的閾值(thresh)，則將該點的像素值不變；否則，將該點的像素值設置為0，具體的公式如下
(5)THRESH_TOZERO_INV
如果當前的像素值大於設置的閾值(thresh)，則將該點的像素值設置為0；否則，將該點的像素值不變，具體的公式如下
(6)THRESH_MASK
(7)THRESH_OTSU，使用Otsu算法選擇最佳閾值。
(8)THRESH_TRIANGLE，使用三角算法選擇最佳閾值。
補充
1、函數cvAdaptiveThreshold的確可以將灰度圖像二值化，但它的主要功能應該是邊緣提取，並且參數param1主要是用來控制邊緣的類型和粗細的1
關鍵是里面的block_size參數，該參數是決定局部閾值的block的大小，
1）當block很小時，如block_size=3 or 5 or 7時，“自適應”的程度很高，即容易出現block里面的像素值都差不多，這樣便無法二值化，而只能在邊緣等梯度大的地方實現二值化，結果顯得它是邊緣提取函數。
2）當把block_size設為比較大的值時，如block_size=21 or 31 or 41時，cvAdaptiveThreshold便是二值化函數了
3）src與dst 這兩個都要是單通道的圖像。
分析參數blockSize。這個參數相當重要，
1.要取奇數，如果取偶數運行后就會報錯！！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），那么很顯然閾值的“自適應程度”就非常高，這在結果圖像中就表現為邊緣檢測的效果。如果鄰域選擇的比較大（比如31×31），那么閾值的“自適應程度”就比較低，這在結果圖像中就表現為二值化的效果。
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后，我們就可以選定一個更大的閾值param1，更好的抑制噪聲