自适应阈值 OpenCV IOS

Question

我是 OpenCV 库的新手，我正在尝试使用阈值进行二值化。我有几个问题。

1. 阈值和自适应阈值有什么区别？
2. 如以下答案所示，计算块均值方差有什么好处：OpenCV Adaptive Threshold OCR?

Answer 1

Normal Thresholding 就像我们的大学实习一样，他们为入围设置了 cgpa 截止值。现在进入或退出取决于您属于 cgpa 的哪一侧。

自适应阈值设置就像在纪律上隔离学生，然后决定分界线。

如果雇主想要最好的，那么正常阈值是好的。但如果他想从每个学科中获得最好的，自适应阈值会更好。

输入：

详情：

在正常阈值中，您选择一个强度值并将其传递给函数。您传递的灰度图像的像素以该值作为边界进行划分，并分配一个强度，这是您传递给函数的第三个参数。在 OpenCV 中，您可以使用 THRESH_BINARY 、THRESH_BINARY_INV 、THRESH_TOZERO 等参数获得相同想法的许多变体。

在自适应阈值中，您可以选择像素周围的一个小区域作为阈值。 向 OpenCV 函数传递灰度图像、分配给真像素的最大强度值、自适应方法、邻域的大小和一个常数值。

邻域的大小是计算阈值的像素周围的区域。有两种自适应方法——一种是这个盒子中所有像素值的平均值减去常数是边界，另一种是加权平均值减去常数值，其中中心像素在决定边界时有更好的说法。

使用哪一个：

这完全取决于您要执行的操作。

如果您有一张图片，并且想要获得图片的闪亮部分，请选择正常阈值。

如果您的图像存在部分光照差异，并且您想要突出与周围环境不同的明显物体，请选择自适应阈值。现在，如果您有阴影的边界并且您不希望该阴影潜入您的阈值，我会说特别是高斯自适应方法会是一个更好的尝试。

如果您认为您的图像有噪点，或者如果值在均值附近变化很大，则可以选择使用块均值方差进行操作。