自适应阈值OpenCV IOS

Question

我是OpenCV库的新手，我尝试使用阈值进行二进制化。我有几个问题。

1. 阈值和自适应阈值之间的区别是什么？
2. 计算此答案中显示的区块均值方差有什么好处：OpenCV Adaptive Threshold OCR？

Answer 1

正常阈值就像我们大学的安置，他们把cgpa临界值作为候选名单。现在进入或退出取决于你所属的cgpa的哪一侧。

自适应阈值分割就像分隔学生的纪律，然后决定截止。

如果雇主想要的最好，那么Normal Thresholding是很好的。但是如果他想从每个学科中获得最好的结果，自适应阈值更好。

输入：

详情：

在正常的门槛，你选择的强度值，并将其传递给函数。您传递的灰色图像的像素以该值作为边界被分割，并被分配一个强度，这是您传递给该函数的第三个参数。在OpenCV中，你得到这个同样的想法的许多变体，例如THRESH_BINARY，THRESH_BINARY_INV，THRESH_TOZERO等参数

在自适应阈值时，选择阈值像素周围的小区域。 对于OpenCV函数，您传递灰色图像，将最大强度值分配给True像素，自适应方法，邻域大小和常量值。

邻域的大小是计算阈值的像素周围的区域。有两种类型的自适应方法 - 一是在这个盒子中所有像素值的平均值减去常数就是边界，另一个是加权平均值减去常数值，其中中心像素在决定边界时给予更好的说法。

使用哪一个：

这完全取决于你想执行什么。

如果您有图像并想获取图像的闪亮部分，请使用正常阈值。

如果您的图像具有部分光照差异，并且您想要突出显示与周围环境不同的明显物体，请选择自适应阈值。现在，如果你有一个影子的边界，并且你不想让这个影子潜入你的门槛，特别是高斯自适应方法会是一个更好的尝试，我会说。

如果你认为你的图像有噪音，或者如果这些值不同，围绕平均值很多，然后用块操作均方差是一种选择。