最简单的阈值分割即为手动设置阈值对图像进行二值化，大于设定的阈值像素值设置为255，小于设定阈值则为0.这种方法一般称为全局阈值分割。
下面介绍的是一种局部阈值分割算法，其原理很简单，通俗地讲就是图片的每个局部都会通过处理得到一个阈值，这个区域就用这个阈值来进行分割，同理，每个区域都有不同的阈值来处理，如何来获取这个阈值就是整个算法的关键。
本次介绍的分割方法如下：
方法一：阈值分割
Cv2.Threshold;（手动操作），程序参考上节的图像二值化。
方法二：自适应阈值分割
Sigma的一阶高斯滤波器

/*
 * 第一个参数，InputArray src，原图，即输入图像，是一个8位单通道的图像；
 * 第二个参数，OutputArray dst，目标图像，与原图像具有同样的尺寸与类型；
 * 第三个参数，double maxValue，分配给满足条件的像素的非零值；
 * 第四个参数，int adaptiveMethod，自适应阈值的方法，通常有以下几种方法；
 * ADAPTIVE_THRESH_MEAN_C，阈值T(x, y)是(x, y)减去C的Blocksize×Blocksize邻域的平均值。
 * ADAPTIVE_THRESH_GAUSSIAN_C ，阈值T(x，y)是(x，y)减去C的Blocksize×Blocksize邻域的加权和(与高斯相关)，默认sigma(标准差)用于指定的Blocksize；具体的情况可以参见getGaussianKernel函数；
   第五个参数，int thresholdType，阈值的类型必须是以下两种类型，
   THRESH_BINARY，正向二值化
   THRESH_BINARY_INV ，反向二值化
 * 第六个参数，int blockSize，计算blocksize x blocksize大小的领域内的阈值，必须为奇数，例如，3，5，7等等，一般二值化使用21,31,41；
 * 第七个参数，double C，从平均数或加权平均数减去常量。通常，它是正的，但也可能是零或负数。，二值化时使用的7。
 * 
*/
using System;
using System.Collections.Generic;
using System.Linq;
using System.Reflection.Emit;
using System.Text;
using System.Threading.Tasks;
using OpenCvSharp;

namespace Adaptive_Threshold
{
    class Program
    {
        static void Main(string[] args)
        {
            string FileName = "1.jpg";
            Mat InputImage = new Mat(FileName, ImreadModes.Grayscale);
            Mat Output = new Mat();
            Console.WriteLine("开始处理图像.....");
            Mat DispositionImage = Cv2.ImRead(FileName, ImreadModes.Grayscale);
            //分割图像
            int ReadValue = Console.Read();
            Cv2.AdaptiveThreshold(DispositionImage, Output, 255,
                                    AdaptiveThresholdTypes.MeanC, ThresholdTypes.Binary, ReadValue, 1);
            Cv2.ImShow("自适应阈值分割", Output);
            Cv2.WaitKey(10);

            Console.ReadKey();
        }
    }
}

变量ReadValue=3的时候的处理结果如下：