自適應閾值OpenCV IOS

Question

我是OpenCV庫的新手，我嘗試使用閾值進行二進制化。我有幾個問題。

1. 閾值和自適應閾值之間的區別是什麼？
2. 計算此答案中顯示的區塊均值方差有什麼好處：OpenCV Adaptive Threshold OCR？

Answer 1

正常閾值就像我們大學的安置，他們把cgpa臨界值作爲候選名單。現在進入或退出取決於你所屬的cgpa的哪一側。

自適應閾值分割就像分隔學生的紀律，然後決定截止。

如果僱主想要的最好，那麼Normal Thresholding是很好的。但是如果他想從每個學科中獲得最好的結果，自適應閾值更好。

輸入：

詳情：

在正常的門檻，你選擇的強度值，並將其傳遞給函數。您傳遞的灰色圖像的像素以該值作爲邊界被分割，並被分配一個強度，這是您傳遞給該函數的第三個參數。在OpenCV中，你得到這個同樣的想法的許多變體，例如THRESH_BINARY，THRESH_BINARY_INV，THRESH_TOZERO等參數

在自適應閾值時，選擇閾值像素周圍的小區域。 對於OpenCV函數，您傳遞灰色圖像，將最大強度值分配給True像素，自適應方法，鄰域大小和常量值。

鄰域的大小是計算閾值的像素周圍的區域。有兩種類型的自適應方法 - 一是在這個盒子中所有像素值的平均值減去常數就是邊界，另一個是加權平均值減去常數值，其中中心像素在決定邊界時給予更好的說法。

使用哪一個：

這完全取決於你想執行什麼。

如果您有圖像並想獲取圖像的閃亮部分，請使用正常閾值。

如果您的圖像具有部分光照差異，並且您想要突出顯示與周圍環境不同的明顯物體，請選擇自適應閾值。現在，如果你有一個影子的邊界，並且你不想讓這個影子潛入你的門檻，特別是高斯自適應方法會是一個更好的嘗試，我會說。

如果你認爲你的圖像有噪音，或者如果這些值不同，圍繞平均值很多，然後用塊操作均方差是一種選擇。