自适应阈值OpenCV IOS

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

阈值和自适应阈值之间的区别是什么

如本答案所示，计算区块平均方差的好处是什么

---

正常的阈值就像我们的大学实习，在那里他们为入围设定了cgpa截止值。现在，输入或输出取决于您处于cgpa的哪一侧

自适应阈值法就像是在学科上对学生进行分离，然后决定截止点

如果雇主想要最好的，那么正常阈值是好的。但是，如果他想从每一个学科中得到最好的东西，自适应阈值就更好了

输入：

详细信息：

在“正常阈值”中，选择强度值并将其传递给函数。传递的灰色图像的像素将以此值作为边界进行分割，并指定一个强度，这是传递给函数的第三个参数。在OpenCV中，您可以使用参数（如THRESH\u BINARY、THRESH\u BINARY\u INV、THRESH\u TOZERO等）获得许多相同想法的变体

在“自适应阈值”中，选择像素周围的一个小区域作为阈值。 向OpenCV函数传递灰色图像、要指定给真实像素的最大强度值、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。有两种自适应方法-一种是此框中所有像素值的平均值减去常数为边界，另一种是加权平均值减去常数，其中中心像素在确定边界时有更好的发言权

使用哪一个：

这完全取决于你想做什么

如果您有一个图像，并且希望获得图像中有光泽的部分，请选择“正常阈值”

如果图像存在部分照明差异，并且希望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，若你们有阴影的边界，你们不希望阴影潜入你们的阈值，我认为高斯自适应方法是一个更好的尝试

如果您认为您的图像有噪声，或者如果值在平均值附近变化很大，则可以选择使用块平均值-方差进行操作