利用cv2.adaptiveThreshold实现自适应阈值算法

`cv2.adaptiveThreshold()` 是 OpenCV 中的函数，用于实现自适应阈值算法。它可以根据图像局部区域的灰度值特征，自适应地选择不同的二值化阈值，从而得到更好的二值化效果。

下面是一个使用 `cv2.adaptiveThreshold()` 函数实现自适应阈值算法的示例代码：

import cv2

# 读取图像
img = cv2.imread('image.jpg', 0)

# 自适应阈值算法
thresh = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

# 显示图像
cv2.imshow('adaptive threshold', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的示例代码中，`cv2.adaptiveThreshold()` 函数的参数解释如下：

- 第一个参数：需要二值化的图像。
- 第二个参数：输出二值化图像的最大值。
- 第三个参数：自适应阈值算法的类型。可选值有 `cv2.ADAPTIVE_THRESH_MEAN_C` 和 `cv2.ADAPTIVE_THRESH_GAUSSIAN_C`，分别表示基于局部均值和局部高斯加权平均值的自适应阈值算法。
- 第四个参数：二值化类型。可选值有 `cv2.THRESH_BINARY` 和 `cv2.THRESH_BINARY_INV`，分别表示二值化和反二值化。
- 第五个参数：每个像素周围区域的大小。它必须是奇数，例如 3、5、7 等。
- 第六个参数：从加权平均值中减去的常数。它可以调整二值化结果的灵敏度。