使用C++和Opencv实现二值化底层代码不调用API并且给出对应的算法原理和公式

二值化是将图像转换为黑白两色的过程，可以通过阈值将像素值大于阈值的像素设为白色，小于等于阈值的像素设为黑色。二值化可以用于图像处理中的很多应用，如边缘检测、字符识别等。

二值化的算法原理是将图像的每个像素点的灰度值与一个阈值进行比较，如果像素点的灰度值大于阈值，则将其设为白色，否则设为黑色。二值化的公式如下：

if (gray_value > threshold) {
    binary_value = 255; // 白色
} else {
    binary_value = 0; // 黑色
}

其中，gray_value表示像素点的灰度值，threshold表示阈值，binary_value表示二值化后的像素值。

在Opencv中，可以使用cv::threshold函数实现二值化。但是，为了实现底层代码不调用API的要求，可以使用以下代码实现二值化：

void binaryImage(const cv::Mat& src, cv::Mat& dst, int threshold) {
    dst.create(src.rows, src.cols, CV_8UC1); // 创建输出图像
    for (int i = 0; i < src.rows; i++) {
        for (int j = 0; j < src.cols; j++) {
            int gray_value = src.at<uchar>(i, j); // 获取像素点的灰度值
            int binary_value; // 二值化后的像素值
            if (gray_value > threshold) {
                binary_value = 255; // 白色
            } else {
                binary_value = 0; // 黑色
            }
            dst.at<uchar>(i, j) = binary_value; // 设置像素点的值
        }
    }
}

该函数接受输入图像src和阈值threshold作为参数，输出二值化后的图像dst。函数使用两个for循环遍历输入图像的每个像素点，计算其二值化后的像素值，并将其设置为输出图像的对应像素点的值。

总之，二值化是将图像转换为黑白两色的过程，可以通过阈值将像素值大于阈值的像素设为白色，小于等于阈值的像素设为黑色。二值化可以用于图像处理中的很多应用，如边缘检测、字符识别等