这是比普通 Threshold 强大 10 倍的核心函数，专门解决光照不均匀、局部明暗差异大的图像（比如阴影、反光、拍照偏光的文档）。

普通 Cv2.Threshold 是全局一个阈值，遇到阴影直接废；

而 AdaptiveThreshold 是每个像素自己算局部阈值，抗光照干扰极强！

一、它到底是什么？

自适应阈值 = 局部阈值化

• 对图像每一个小区域单独计算阈值
• 解决：阴影、反光、光照不均、局部亮度变化
• 典型用途：扫描文档文字提取、银行卡 / 证件识别、暗背景文字、低光图像二值化

一句话区别：

• Threshold：整张图用 同一个阈值（简单但怕光照）
• AdaptiveThreshold：每个像素用 周围区域算出的阈值（复杂但鲁棒）

二、函数原型（C# / OpenCVSharp）

void AdaptiveThreshold(
    InputArray src,        // 输入图像（必须 8位 单通道灰度图）
    OutputArray dst,       // 输出二值图像
    double maxValue,       // 满足条件后的最大值（一般 255）
    AdaptiveThresholdTypes adaptiveType,  // 自适应算法
    ThresholdTypes thresholdType,         // 阈值类型（只能是 二值/反向二值）
    int blockSize,          // 局部区域大小（必须 奇数：3,5,7...）
    double C                // 微调常数（阈值减去 C）
);

重要：无返回值

它不像普通 Threshold 返回阈值，因为每个像素的阈值都不一样。

三、所有参数逐行详解

1. src（输入）

• 必须是 8 位 单通道灰度图
• 彩色图必须先转灰度：Cv2.CvtColor(..., ColorConversionCodes.BGR2GRAY)

2. dst（输出）

• 二值化图像（黑 0 / 白 maxValue）

3. maxValue（最大值）

• 常用：255（白色）
• 只有二值化时用到

4. adaptiveType（自适应算法）

2 种选择，决定 “局部阈值怎么算”：

① AdaptiveThresholdTypes.MeanC（均值法）

• 阈值 = 像素周围 blockSize×blockSize 区域的平均值 - C
• 速度快，适合大部分文档、文字

② AdaptiveThresholdTypes.GaussianC（高斯加权均值）

• 阈值 = 周围区域高斯加权平均值 - C
• 更平滑，对噪声、斑点更鲁棒
• 推荐优先使用！

5. thresholdType（阈值类型）

这里只能用 2 种！ 不能用别的！

• ThresholdTypes.Binary：正常二值化
• ThresholdTypes.BinaryInv：反向二值化

99% 场景用 BinaryInv（白底黑字 → 黑底白字更清晰）

6. blockSize（局部窗口大小）

• 必须是 奇数：3、5、7、9、11 ...
• 越小：细节越多，噪声也多
• 越大：越平滑，细节丢失
• 常用：9、11、15

7. C（微调常数）

• 最终阈值 = 局部均值 - C
• C 越大，文字越粗、越黑
• C 越小，文字越细、容易断
• 经验值：2 ~ 15 之间

四、计算公式（一看就懂）

以 GaussianC + BinaryInv 为例：

阈值 = 高斯加权局部均值 - C 如果 原像素 > 阈值 → 黑色(0) 否则 → 白色(255)

五、最实用、最标准的代码示例

using OpenCVSharp;
using OpenCVSharp.Flag;

class Program
{
    static void Main()
    {
        // 1. 读图片
        Mat src = Cv2.ImRead("document.jpg", ImreadModes.Color);

        // 2. 转灰度（必须！）
        Mat gray = new Mat();
        Cv2.CvtColor(src, gray, ColorConversionCodes.BGR2GRAY);

        // 3. 自适应阈值（最常用组合）
        Mat dst = new Mat();
        Cv2.AdaptiveThreshold(
            gray,                // 原图
            dst,                 // 输出
            255,                 // 最大值
            AdaptiveThresholdTypes.GaussianC,  // 高斯（推荐）
            ThresholdTypes.BinaryInv,          // 反向二值化（文字清晰）
            blockSize: 15,       // 窗口大小（奇数）
            C: 9                 // 微调常数
        );

        // 保存结果
        Cv2.ImWrite("result.png", dst);
    }
}

六、2 种自适应算法对比

表格

七、参数怎么调？（超实用经验）

blockSize 怎么选？

• 文字小 → 用 9
• 文字大 → 用 11、15
• 图像噪声大 → 用 15、21

C 怎么调？

• 文字太淡、断断续续 → C 调大（如 9→12）
• 文字太粗、连在一起 → C 调小（如 9→6）
• 背景脏 → C 调大

八、自适应阈值 VS 普通阈值

表格

九、最常见的坑（90% 的人踩过）

1. 输入不是灰度图 → 直接报错
2. blockSize 不是奇数 → 报错
3. 用了 Otsu → 自适应阈值不支持 Otsu
4. thresholdType 用了 ToZero/Trunc → 报错（只支持 Binary/BinaryInv）
5. C 值太大 / 太小 → 文字全黑 或 全消失

若文章对您有帮助，可以激励一下我哦，祝您平安幸福！

微信	支付宝