基本的全局阈值处理用C＋＋代码怎么实现？！不使用函数的情况下

•当物体和背景像素的灰度分布十分明显时，可以用适用于整个图像的单个 （全局）阈值处理，其算法如下： 为全局阈值T选择一个初始估计值 用单个阈值T分割图像。将产生两组像素：G,和G2，其中G1由灰度值大 于T的所有像素组成，Gz由所有小于等于T的像素组成 对Gi和Gz的像素分别计算平均灰度值（均值）mi和m2 计算一个新的阈值：T = (mi + mz) 重复步骤（2）到步骤（4），直到连续迭代中的两个T值小于预定义的 AT为止。

如果您觉得有用，不妨打赏和采纳该评论，希望能对您有所帮助
使用cv::thresold的写法：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // 读取图像
    Mat img = imread("image.png", IMREAD_GRAYSCALE);

    // 选择一个初始阈值T
    double T = 127;

    // 定义一个预设的AT
    double AT = 1;

    // 定义一个循环标志
    bool flag = true;

    while (flag)
    {
        // 用单个阈值T分割图像
        Mat thresh;
        threshold(img, thresh, T, 255, THRESH_BINARY);

        // 计算G1和G2的像素均值m1和m2
        double m1 = mean(img, thresh)[0];
        double m2 = mean(img, 255 - thresh)[0];

        // 计算一个新的阈值T_new
        double T_new = (m1 + m2) / 2;

        // 判断T_new和T是否小于AT
        if (abs(T_new - T) < AT)
        {
            // 结束循环
            flag = false;
        }
        else
        {
            // 更新T为T_new
            T = T_new;
        }
    }

    // 显示分割后的图像
    imshow("Thresholded Image", thresh);
    waitKey(0);
    destroyAllWindows();
}

不使用cv::thresold函数

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // 读取图像
    Mat img = imread("image.png", IMREAD_GRAYSCALE);

    // 选择一个初始阈值T
    double T = 127;

    // 定义一个预设的AT
    double AT = 1;

    // 定义一个循环标志
    bool flag = true;

    while (flag)
    {
        // 定义两个像素组G1和G2
        vector<uchar> G1, G2;

        // 遍历图像中的每个像素
        for (int i = 0; i < img.rows; i++)
        {
            for (int j = 0; j < img.cols; j++)
            {
                // 获取当前像素的灰度值
                uchar pixel = img.at<uchar>(i, j);

                // 根据阈值T将像素分到G1或G2中
                if (pixel > T)
                {
                    G1.push_back(pixel);
                }
                else
                {
                    G2.push_back(pixel);
                }
            }
        }

        // 计算G1和G2的像素均值m1和m2
        double m1 = mean(G1)[0];
        double m2 = mean(G2)[0];

        // 计算一个新的阈值T_new
        double T_new = (m1 + m2) / 2;

        // 判断T_new和T是否小于AT
        if (abs(T_new - T) < AT)
        {
            // 结束循环
            flag = false;
        }
        else
        {
            // 更新T为T_new
            T = T_new;
        }
    }

    // 创建一个输出图像
    Mat dst = Mat::zeros(img.size(), img.type());

    // 遍历图像中的每个像素
    for (int i = 0; i < img.rows; i++)
    {
        for (int j = 0; j < img.cols; j++)
        {
            // 获取当前像素的灰度值
            uchar pixel = img.at<uchar>(i, j);

            // 根据阈值T将像素分为黑色或白色
            if (pixel > T)
            {
                dst.at<uchar>(i, j) = 255;
            }
            else
            {
                dst.at<uchar>(i, j) = 0;
            }
        }
    }

    // 显示分割后的图像
    imshow("Thresholded Image", dst);
    waitKey(0);
    destroyAllWindows();
}