Под «Пороговым значением с помощью OpenCV» понимается процесс преобразования изображения в оттенках серого в двоичное изображение путем его разделения на две области на основе порогового значения. Вот несколько методов определения порога, обычно используемых в OpenCV:
-
Простое пороговое значение: этот метод устанавливает для всех значений пикселей ниже указанного порогового значения минимальное значение, а для всех значений выше порогового значения — максимальное значение.
-
Адаптивное пороговое значение. В этом методе пороговое значение рассчитывается для каждого пикселя на основе локального окружения. Это полезно, когда изображение имеет разные условия освещения.
-
Пороговое значение Оцу: метод Оцу автоматически вычисляет оптимальное пороговое значение, минимизируя внутриклассовую дисперсию. Это хорошо работает для бимодальных изображений.
-
Порог Гаусса. Этот метод применяет к изображению фильтр Гаусса перед определением порога, что помогает снизить шум.
-
Многоуровневое пороговое определение. Многоуровневое пороговое определение делит изображение на несколько областей на основе нескольких пороговых значений.
-
Пороговое значение треугольника. Этот метод вычисляет пороговое значение на основе гистограммы, находя пик гистограммы и средние точки восходящей и нисходящей частей.
-
Mean Thresholding: этот метод вычисляет пороговое значение как среднее значение интенсивностей пикселей.
-
Минимальное пороговое значение. Минимальное пороговое значение устанавливает пороговое значение как минимальное значение интенсивности пикселей.