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，计算块平均方差有什么好处： OpenCV自适应阈值OCR ？

Answer 1

普通门槛就像我们的大学分班一样，他们将cgpa截止日期列为入围名单。 现在进出取决于您落入cgpa的哪一侧。

适应性阈值处理就像将学生隔离在学科上，然后决定分界线一样。

如果雇主想要最好的，那么正常阈值就是好的。 但是，如果他希望从各个学科中获得最好的成绩，那么自适应阈值会更好。

输入：

细节：

在正常阈值中，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将以该值作为边界进行划分，并被分配一个强度，强度是您传递给函数的第三个参数。 在OpenCV中，您可以使用诸如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，为像素选择一个围绕像素的小区域。 使用OpenCV函数传递灰度图像，分配给True像素的最大强度值，自适应方法，邻域的大小和常数。

邻域的大小是在像素周围计算阈值的区域。 自适应方法有两种类型：一种是此框中所有像素值的平均值减去常数即为边界，另一种是加权均值减去恒定值，其中在确定边界时可以更好地说出中心像素。

使用哪个：

这完全取决于您要执行的操作。

如果您有图像并且想要获得图像的亮点，请使用正常阈值。

如果您的图像存在局部光照差异，并且想要突出显示与周围环境不同的明显对象，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阈值，那么我想说，特别是高斯自适应方法将是更好的选择。

如果您认为图像有噪点，或者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。