图像二值化的目的是最大限度的将图象中感兴趣的部分保留下来，在很多情况下，也是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。这个看似简单的问题，在过去的四十年里受到国内外学者的广泛关注，产生了数以百计的阈值选取方法，但如同其他图像分割算法一样，没有一个现有方法对各种各样的图像都能得到令人满意的结果。
成都创新互联公司专注于宝鸡企业网站建设,响应式网站开发,成都商城网站开发。宝鸡网站建设公司,为宝鸡等地区提供建站服务。全流程定制网站设计，专业设计，全程项目跟踪，成都创新互联公司专业和态度为您提供的服务
本文针对几种经典而常用的二值发放进行了简单的讨论并给出了其vb.net 实现。
1、P-Tile法
Doyle于1962年提出的P-Tile (即P分位数法)可以说是最古老的一种阈值选取方法。该方法根据先验概率来设定阈值，使得二值化后的目标或背景像素比例等于先验概率，该方法简单高效，但是对于先验概率难于估计的图像却无能为力。
2、OTSU 算法（大津法）
OSTU算法可以说是自适应计算单阈值（用来转换灰度图像为二值图像）的简单高效方法。1978 OTSU年提出的最大类间方差法以其计算简单、稳定有效，一直广为使用。
3、迭代法（最佳阀值法）
(1)． 求出图象的最大灰度值和最小灰度值，分别记为Zl和Zk，令初始阈值为：
(2)． 根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值Z0和ZB:
式中，Z(i,j）是图像上(i,j)点的象素值，N(i,j)是(i,j)点的权值，一般取1。
(3)． 若TK=TK+1，则所得即为阈值，否则转2，迭代计算。
4、一维最大熵阈值法
它的思想是统计图像中每一个灰度级出现的概率 ，计算该灰度级的熵 ,假设以灰度级T分割图像，图像中低于T灰度级的像素点构成目标物体（O），高于灰度级T的像素点构成背景（B），那么各个灰度级在本区的分布概率为：
O区： i=1,2……,t
B区： i=t+1,t+2……L-1
上式中的 ,这样对于数字图像中的目标和背景区域的熵分别为：
对图像中的每一个灰度级分别求取W=H0 +HB，选取使W最大的灰度级作为分割图像的阈值，这就是一维最大熵阈值图像分割法。
截至今天2016/12/02，VB.net最新版本是VB 14，
对应的IDE为Visual Studio 2015
从VB 7开始，每次.net平台更新，VB版本也会不断更新。
VB历史版本如下(.net平台)
没有 VB13
VB12 对应 VS2013
VB11 对应 VS2012
VB10 对应 VS2010
VB9 对应 VS2008
VB8 对应 VS2005
VB7 对应 VS2003
VB6 是经典版本，它不是 .net平台的
这个问题看似简单，实际上包含了三个问题：
1. 5/2 的结果是 Double 类型
2. dim aa as Integer = 5/2 将 Double 类型隐式转换为 Integer 类型
3. 转换过程将小数部分 Banker 舍入
因为你这两个算式小数部分都是0.5，所以取最近的偶数 aa = 2，bb = 4
VB.NET 数据库入门经典 (美) Thearo 清华大学出版
上面这个是你要的
Visual Basic 2005入门经 (美) Thearo 清华大学出版
下面是我正在看的,呵呵
这套书一共有5本,这是最基本的两本,其他的在你有了其中一本之后,书后会告诉
其他3本是什么的
我是学校图书馆借的,这套书有点贵,最好是借阅,如果你条件好的话,可以去买着看